Applied Recommender Systems with Python
Langue : anglais
Edité par APress, US, 2022
- Livre broché
- Neuf
Vendeur : Rarewaves USA, HEBRON, KY, Etats-UnisRarewaves USA
Vendeur AbeBooks depuis 10 juin 2025
Etat: Neuf
EUR 34,86
Quantité disponible : Plus de 20 disponibles
Ajouter au panierItem description from seller
This book will teach you how to build recommender systems with machine learning algorithms using Python. Recommender systems have become an essential part of every internet-based business today.You'll start by learning basic concepts of recommender systems, with an overview of different types of recommender engines and how they function. Next, you will see how to build recommender systems with traditional algorithms such as market basket analysis and content- and knowledge-based recommender systems with NLP. The authors then demonstrate techniques such as collaborative filtering using matrix factorization and hybrid recommender systems that incorporate both content-based and collaborative filtering techniques. This is followed by a tutorial on building machine learning-based recommender systems using clustering and classification algorithms like K-means and random forest. The last chapters cover NLP, deep learning, and graph-based techniques to build a recommender engine. Each chapter includes data preparation, multiple ways to evaluate and optimize the recommender systems, supporting examples, and illustrations.By the end of this book, you will understand and be able to build recommender systems with various tools and techniques with machine learning, deep learning, and graph-based algorithms.What You Will LearnUnderstand and implement different recommender systems techniques with PythonEmploy popular methods like content- and knowledge-based, collaborative filtering, market basket analysis, and matrix factorization Build hybrid recommender systems that incorporate both content-based and collaborative filteringLeverage machine learning, NLP, and deep learning for building recommender systemsWho This Book Is ForData scientists, machine learning engineers, and Python programmers interested in building and implementing recommender systems to solve problems.…
N° de réf. du vendeur LU-9781484289532
- Titre
- Applied Recommender Systems with Python
- Auteur
- V Adithya Krishnan, Akshay Kulkarni, Anoosh Kulkarni, Adarsha Shivananda
- Éditeur
- APress, US
- Année de publication
- 2022
- État de l'article
- New
- Reliure
- Paperback
- Langue
- anglais
- ISBN à 10 chiffres
- 1484289536
- ISBN à 13 chiffres
- 9781484289532
This book will teach you how to build recommender systems with machine learning algorithms using Python. Recommender systems have become an essential part of every internet-based business today.
You'll start by learning basic concepts of recommender systems, with an overview of different types of recommender engines and how they function. Next, you will see how to build recommender systems with traditional algorithms such as market basket analysis and content- and knowledge-based recommender systems with NLP. The authors then demonstrate techniques such as collaborative filtering using matrix factorization and hybrid recommender systems that incorporate both content-based and collaborative filtering techniques. This is followed by a tutorial on building machine learning-based recommender systems using clustering and classification algorithms like K-means and random forest. The last chapters cover NLP, deep learning, and graph-based techniques to build a recommender engine. Each chapter includes data preparation, multiple ways to evaluate and optimize the recommender systems, supporting examples, and illustrations.
By the end of this book, you will understand and be able to build recommender systems with various tools and techniques with machine learning, deep learning, and graph-based algorithms.What You Will Learn
- Understand and implement different recommender systems techniques with Python
- Employ popular methods like content- and knowledge-based, collaborative filtering, market basket analysis, and matrix factorization
- Build hybrid recommender systems that incorporate both content-based and collaborative filtering
- Leverage machine learning, NLP, and deep learning for building recommender systems
Who This Book Is ForData scientists, machine learning engineers, and Python programmers interested in building and implementing recommender systems to solve problems.
« Synopsis » peut appartenir à une autre édition de cet ouvrage.
À propos de l’auteur
Akshay R Kulkarni is an AI and machine learning evangelist and a thought leader. He has consulted several Fortune 500 and global enterprises to drive AI and data science-led strategic transformations. He is a Google developer, Author, and a regular speaker at major AI and data science conferences including Strata, O'Reilly AI Conf, and GIDS. He is a visiting faculty member for some of the top graduate institutes in India. In 2019, he has been also featured as one of the top 40 under 40 Data Scientists in India. In his spare time, he enjoys reading, writing, coding, and helping aspiring data scientists. He lives in Bangalore with his family.
Adarsha Shivananda is Data science and MLOps Leader. He is working on creating world-class MLOps capabilities to ensure continuous value delivery from AI. He aims to build a pool of exceptional data scientists within and outside of the organization to solve problems through training programs, and always wants to stay ahead of the curve. He has worked extensively in the pharma, healthcare, CPG, retail, and marketing domains. He lives in Bangalore and loves to read and teach data science.
Anoosh Kulkarni is a data scientist and an AI consultant. He has worked with global clients across multiple domains and helped them solve their business problems using machine learning (ML), natural language processing (NLP), and deep learning. Anoosh is passionate about guiding and mentoring people in their data science journey. He leads data science/machine learning meet-ups and helps aspiring data scientists navigate their careers. He also conducts ML/AI workshops at universities and is actively involved in conducting webinars, talks, and sessions on AI and data science. He lives in Bangalore with his family.
V Adithya Krishnan is a data scientist and ML Ops Engineer. He has worked with various global clients across multiple domains and helped them to solve their business problems extensively using advanced Machine learning (ML) applications. He has experience across multiple fields of AI-ML, including, Time-series forecasting, Deep Learning, NLP, ML Operations, Image processing, and data analytics. Presently, he is developing a state-of-the-art value observability suite for models in production, which includes continuous model and data monitoring along with the business value realized. He also published a paper at an IEEE conference, "Deep Learning Based Approach for Range Estimation", written in collaboration with the DRDO. He lives in Chennai with his family.« A propos de ce titre » peut appartenir à une autre édition de cet ouvrage.
Rarewaves USA
HEBRON, KY, Etats-Unis
Vendeur AbeBooks depuis 10 juin 2025
Frais d'expédition à l'intérieur de ce pays : Etats-Unis
| Article | 13 à 14 jours ouvrés | 13 à 16 jours ouvrés |
|---|---|---|
| Premier article | EUR 0,00 | EUR 0,00 |
Modes de paiement
Profil professionnel du vendeur
Rarewaves USA
10100 West Sample Road, Ste 101
Coral Springs, FL Etats-Unis 33065
Droit de rétractation
Si vous êtes un consommateur, vous pouvez exercer votre droit de rétractation sur le contrat conformément à ce qui suit. Le mot « consommateur » désigne toute personne physique agissant à des fins qui n'entrent pas dans le cadre de son activité commerciale, artisanale ou professionnelle.
Informations concernant le droit de rétractation
Droit statutaire de rétractation
Vous avez le droit d'exercer votre droit de rétractation sur ce contrat dans les 14 jours sans donner de raison.
Le délai de rétractation expirera au bout de 14 jours à compter du jour où vous-même, ou un tiers autre que le transporteur et désigné par vous, prendrez physiquement possession de la dernière marchandise, du dernier lot ou de la dernière pièce.
Pour exercer votre droit de rétractation, remplissez électroniquement et envoyez une déclaration claire sur notre site Web, sous « Vos achats » dans « Votre compte ». Nous vous communiquerons sans délai un accusé de réception de cette rétractation sur un support durable (par exemple, par e-mail).
Pour respecter le délai de rétractation, il vous suffit d'envoyer votre message concernant l'exercice de votre droit de rétractation avant l'expiration du délai de rétractation.
Effets de la rétractation
Si vous exercez votre droit de rétractation sur ce contrat, nous vous rembourserons tous les paiements que vous avez effectués, y compris les frais de livraison (à l'exception des frais supplémentaires résultant du choix d'un mode de livraison autre que le type de livraison standard le moins cher que nous proposons).
Nous pouvons déduire du remboursement la perte de valeur de toute marchandise livrée, si la perte est le résultat d'une manipulation inutile de votre part.
Nous effectuerons le remboursement dans les meilleurs délais, et au plus tard 14 jours après le jour où nous aurons été informés de votre décision d'exercer votre droit de rétractation sur ce contrat.
Nous effectuerons le remboursement en utilisant le même moyen de paiement que celui que vous avez utilisé pour la transaction initiale, sauf si vous en avez expressément convenu autrement ; en tout état de cause, aucuns frais ne vous seront facturés à la suite d'un tel remboursement.
Nous pouvons suspendre le remboursement jusqu'à ce que nous ayons reçu les marchandises ou que vous ayez fourni la preuve que vous avez renvoyé les marchandises, en fonction de la première éventualité.
Vous devez renvoyer les marchandises ou les remettre à Rarewaves USA, Coral Springs, Florida, U.S.A., sans retard injustifié et, en tout état de cause, au plus tard 14 jours à compter du jour où vous nous avez communiqué votre décision de rétractation du présent contrat. Le délai est respecté si vous renvoyez les marchandises avant l'expiration du délai de 14 jours. Vous devrez prendre en charge les frais directs du renvoi des marchandises. Vous n'êtes responsable que de toute diminution de valeur des marchandises résultant d'une manipulation autre que celle nécessaire pour établir la nature, les caractéristiques et le fonctionnement des marchandises.
Exceptions au droit de rétractation
Le droit de rétractation ne s'applique pas à ce qui suit :
- Distribution de journaux, de revues ou de magazines, à l'exception des contrats d'abonnement ; et
- Fourniture d'un contenu numérique qui n'est pas fourni sur un support matériel (par exemple, sur un CD ou un DVD) si vous avez accepté, lors de votre commande, que nous puissions commencer à le livrer et que vous ne puissiez pas exercer votre droit de rétractation une fois la livraison commencée.
Conditions d'expédition
Please note that we do not offer Priority shipping to any country.
We currently do not ship to the below countries:
Afghanistan
Bhutan
Brazil
Brunei Darussalam
Channel Islands
Chile
Israel
Lao
Mexico
Russian Federation
Saudi Arabia
South Africa
Yemen
Please do not attempt to place orders with any of these countries as a ship to address - they will be cancelled.