Sistemas de Recomendación: El libro de texto

Opiniones de los lectores

El libro sobre sistemas de recomendación ha sido muy elogiado por su claridad de redacción, su exhaustiva cobertura y sus ideas prácticas, que lo hacen valioso tanto para principiantes como para quienes desean profundizar sus conocimientos. Aunque constituye un recurso autorizado, se ha señalado que carece de temas avanzados como técnicas de aprendizaje profundo y ejemplos prácticos.

⬤ Redacción clara y bien organizada.
⬤ Cobertura exhaustiva de los algoritmos esenciales y las matemáticas detrás de los sistemas de recomendación.
⬤ Buen equilibrio entre teoría y consejos prácticos.
⬤ Útil como referencia tanto para principiantes como para lectores avanzados.
⬤ Proporciona confianza para construir motores de recomendación personalizados.
⬤ Muchos usuarios lo encuentran útil y lo recomiendan encarecidamente.

⬤ Carece de cobertura de temas avanzados como el aprendizaje profundo y los bandidos de brazos múltiples.
⬤ Algunos usuarios desean más ejemplos numéricos y código de muestra.
⬤ El índice de la versión Kindle no tiene hipervínculos, lo que dificulta la navegación.
⬤ Ciertas secciones tienen contenido repetitivo y algunas imprecisiones menores.

(basado en 18 opiniones de lectores)

Título original:

Recommender Systems: The Textbook

Contenido del libro:

Este libro trata de forma exhaustiva el tema de los sistemas de recomendación, que ofrecen recomendaciones personalizadas de productos o servicios a los usuarios basándose en sus búsquedas o compras anteriores. Los métodos de los sistemas de recomendación se han adaptado a diversas aplicaciones, como la minería de registros de consultas, las redes sociales, las recomendaciones de noticias y la publicidad computacional. Este libro sintetiza los temas fundamentales y avanzados de un área de investigación que ya ha alcanzado su madurez. Los capítulos de este libro se organizan en tres categorías:

Algoritmos y evaluación: En estos capítulos se analizan los algoritmos fundamentales de los sistemas de recomendación, incluidos los métodos de filtrado colaborativo, los métodos basados en el contenido, los métodos basados en el conocimiento, los métodos basados en conjuntos y la evaluación.

Recomendaciones en dominios y contextos específicos: el contexto de una recomendación puede considerarse información secundaria importante que afecta a los objetivos de la recomendación. Se exploran distintos tipos de contexto, como los datos temporales, los datos espaciales, los datos sociales, los datos de etiquetado y la fiabilidad.

Temas avanzados y aplicaciones: Se analizan diversos aspectos de la robustez de los sistemas de recomendación, como los sistemas "shilling", los modelos de ataque y sus defensas.

Además, se introducen temas recientes, como el aprendizaje para clasificar, los bandidos de brazos múltiples, los sistemas de grupos, los sistemas multicriterio y los sistemas de aprendizaje activo, junto con sus aplicaciones.

Aunque este libro sirve principalmente como libro de texto, también resultará atractivo para profesionales e investigadores de la industria debido a su enfoque en aplicaciones y referencias. Se incluyen numerosos ejemplos y ejercicios, y los profesores disponen de un manual de soluciones.