Машинное обучение: создайте свою собственную рекомендательную систему (Изучение машинного обучения для начинающих, книга 3) на русском

Хотите написать собственную рекомендательную систему с нуля и одновременно изучить теорию машинного обучения?

Системы рекомендаций лежат в основе платформ, которыми мы пользуемся каждый день — Amazon, Netflix, Spotify и многих других. Но как они работают на самом деле? В книге «Машинное обучение: создайте свою собственную систему рекомендаций » Оливер Теобальд расскажет вам об одном из самых практичных и увлекательных применений машинного обучения: персонализированных рекомендациях.

Используя Python, реальные наборы данных и удобную для начинающих библиотеку Scikit-learn, вы не только изучите теорию коллаборативной фильтрации , контентной фильтрации и гибридных подходов , но и сможете реализовать их самостоятельно — шаг за шагом.

Что вы узнаете:

— Основные принципы работы рекомендательных систем
- Как настроить среду Python с помощью Jupyter Notebook
- Разница между фильтрацией по пользователю и фильтрацией по элементу
- Как применять сингулярное разложение (SVD) и наивный байесовский классификатор.
— Почему алгоритмы рекомендаций формируют поведение пользователей в интернете — и как создать свой собственный.

Эта книга идеально подходит для:

- Читателям книги «Машинное обучение для абсолютных новичков» или других книг Оливера по науке о данных.
- Для начинающих, желающих изучить машинное обучение на практике.
- Читателям, которым книга «Машинное обучение для чайников» показалась слишком расплывчатой.
- Всем, кто занимается проектированием рекомендательных систем или созданием портфолио проектов.

Если вы всегда хотели понять истинный смысл фразы «Вам также может понравиться…», эта книга для вас! Докторская степень не требуется — только любопытство, компьютер и желание учиться на практике!