Sistemas de Recomendación Aplicados con Python: Construir Sistemas de Recomendación con Aprendizaje Profundo, Nlp y Técnicas Basadas en Grafos

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 3 votos.

Título original:

Applied Recommender Systems with Python: Build Recommender Systems with Deep Learning, Nlp and Graph-Based Techniques

Contenido del libro:

Este libro le enseñará a crear sistemas de recomendación con algoritmos de aprendizaje automático utilizando Python. Hoy en día, los sistemas de recomendación se han convertido en una parte esencial de todos los negocios basados en Internet.

Comenzará aprendiendo los conceptos básicos de los sistemas de recomendación, con una visión general de los diferentes tipos de motores de recomendación y cómo funcionan. A continuación, verá cómo construir sistemas de recomendación con algoritmos tradicionales como el análisis de cestas de mercado y sistemas de recomendación basados en contenidos y conocimientos con PNL. A continuación, los autores muestran técnicas como el filtrado colaborativo mediante factorización matricial y sistemas de recomendación híbridos que incorporan técnicas de filtrado colaborativo y basadas en el contenido. A esto le sigue un tutorial sobre la creación de sistemas de recomendación basados en el aprendizaje automático utilizando algoritmos de agrupación y clasificación como K-means y random forest. Los últimos capítulos cubren PNL, aprendizaje profundo y técnicas basadas en grafos para construir un motor de recomendación. Cada capítulo incluye la preparación de datos, múltiples formas de evaluar y optimizar los sistemas de recomendación, ejemplos de apoyo e ilustraciones.

Al final de este libro, entenderás y serás capaz de construir sistemas de recomendación con varias herramientas y técnicas con aprendizaje automático, aprendizaje profundo y algoritmos basados en grafos.

Lo que aprenderá

⬤ Entender e implementar diferentes técnicas de sistemas de recomendación con Python.

⬤ Emplear métodos populares como basados en contenido y conocimiento, filtrado colaborativo, análisis de canasta de mercado y factorización de matrices.

⬤ Construir sistemas de recomendación híbridos que incorporen tanto el filtrado basado en el contenido como el filtrado colaborativo.

⬤ Aprovechar el aprendizaje automático, la PNL y el aprendizaje profundo para crear sistemas de recomendación.

A quién va dirigido este libroCientíficos de datos, ingenieros de aprendizaje automático y programadores de Python interesados en construir e implementar sistemas de recomendación para resolver problemas.