机读格式显示(MARC)

• 000 01731nam0 2200313 450

• 001 0000945349

• 005 20240904091700.0

• 010 __ |a 978-7-302-65740-8 |d CNY99.00

• 100 __ |a 20240530d2024 emky0chiy50 ea

• 101 1_ |a chi |c inc

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a Python推荐系统实战 |A Python tui jian xi tong shi zhan |e 基于深度学习、NLP和图算法的应用型推荐系统 |f (印)阿克谢·库尔卡尼(AkshayKulkarni)[等]著 |g 欧拉译

• 210 __ |a 北京 |c 清华大学出版社 |d 2024

• 215 __ |a 198页 |c 图 |d 23cm

• 304 __ |a 著者还有：(印)阿达沙·希瓦南达(Adarsha Shivananda)、(印)安努什·库尔卡尼(Anoosh Kulkarni)、(印)V.阿迪西亚·克里希南(V.Adithya Krishnan)

• 312 __ |a 封面英文题名：Applied recommender systems with Python: build recommender systems with deep learning, NLP and graph-based techniques

• 330 __ |a 本书分为4部分，包含11章。首先介绍推荐系统的基本方法，接着探讨当前流行的一些方法，具体包括协同过滤推荐系统、内容推荐系统以及混合推荐系统。接下来讨论如何运用当前的机器学习算法来实现推荐系统。最后讨论推荐系统的相关趋势和新兴技术。本书特别适合零基础的数据科学工作者参考和使用。它可以帮助读者从基础知识起步，逐步学习运用Python、深度学习和自然语言处理技术来构建推荐系统，以促进业务增长和提高客户忠诚度。

• 510 1_ |a Applied recommender systems with Python |e build recommender systems with deep learning, NLP and graph-based techniques |z eng

• 517 1_ |a 基于深度学习、NLP和图算法的应用型推荐系统

• 606 0_ |a 程序语言 |A Cheng Xu Yu Yan |x 程序设计

• 610 0_ |a Python |A Python

• 690 __ |a TP312PY |v 5

• 701 _0 |c (印) |a 库尔卡尼 |A ku er ka ni |c (Kulkarni, Akshay) |4 著

• 702 _0 |a 欧拉 |A ou la |4 译

• 801 _0 |a CN |b HDUL |c 20240904

• 905 __ |a HDUL |d TP312PY/0221

• 920 __ |a 233030 |z 1