Descripción
Este libro le enseñará cómo construir sistemas de recomendación con algoritmos de aprendizaje automático usando Python. Los sistemas de recomendación se han convertido en una parte esencial de todos los negocios basados en internet en la actualidad.
Comenzará aprendiendo 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 los sistemas de recomendación basados en contenido y conocimiento con PNL. Luego, los autores demuestran técnicas como el filtrado colaborativo usando factorización de matrices y sistemas de recomendación híbridos que incorporan técnicas de filtrado colaborativo y basadas en contenido. Esto es seguido por un tutorial sobre la construcción de sistemas de recomendación basados en aprendizaje automático usando algoritmos de agrupamiento y clasificación como K-means y bosques aleatorios. Los últimos capítulos cubren PNL, aprendizaje profundo y técnicas basadas en grafos para construir un motor de recomendación. Cada capítulo incluye preparación de datos, múltiples formas de evaluar y optimizar los sistemas de recomendación, ejemplos de apoyo e ilustraciones.
Al final de este libro, comprenderá y será capaz de construir sistemas de recomendación con varias herramientas y técnicas con algoritmos de aprendizaje automático, aprendizaje profundo y basados en grafos. Lo que aprenderá- Comprender e implementar diferentes técnicas de sistemas de recomendación con Python
- Emplear métodos populares como basados en contenido y conocimiento, filtrado colaborativo, análisis de cestas de mercado y factorización de matrices
- Construir sistemas de recomendación híbridos que incorporen tanto el filtrado basado en contenido como el colaborativo
- Aprovechar el aprendizaje automático, PNL y aprendizaje profundo para construir 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.
Autor: Akshay Kulkarni, Adarsha Shivananda, Anoosh Kulkarni
Editorial: Apress
Publicado: 22/11/2022
Páginas: 248
Tipo de encuadernación: Tapa blanda
Peso: 1.02 lbs
Tamaño: 10.00h x 7.00w x 0.55d
ISBN13: 9781484289532
ISBN10: 1484289536
Categorías BISAC:
- Informática | Inteligencia Artificial | General
- Informática | Lenguajes | Python
Acerca del autor
Akshay R Kulkarni es un evangelista de IA y aprendizaje automático y un líder de pensamiento. Ha asesorado a varias empresas de Fortune 500 y globales para impulsar transformaciones estratégicas impulsadas por IA y ciencia de datos. Es desarrollador de Google, autor y orador habitual en las principales conferencias de IA y ciencia de datos, incluidas Strata, O'Reilly AI Conf y GIDS. Es profesor visitante en algunos de los principales institutos de posgrado de la India. En 2019, también fue incluido como uno de los 40 mejores científicos de datos menores de 40 años en la India. En su tiempo libre, disfruta leyendo, escribiendo, programando y ayudando a los aspirantes a científicos de datos. Vive en Bangalore con su familia.
Adarsha Shivananda es líder en ciencia de datos y MLOps. Está trabajando en la creación de capacidades de MLOps de clase mundial para garantizar la entrega continua de valor a partir de la IA. Su objetivo es construir un grupo de científicos de datos excepcionales dentro y fuera de la organización para resolver problemas a través de programas de capacitación, y siempre quiere estar a la vanguardia. Ha trabajado extensamente en los dominios farmacéutico, de atención médica, de bienes de consumo envasados, minorista y de marketing. Vive en Bangalore y le encanta leer y enseñar ciencia de datos.
Anoosh Kulkarni es científico de datos y consultor de IA. Ha trabajado con clientes globales en múltiples dominios y les ha ayudado a resolver sus problemas comerciales utilizando aprendizaje automático (ML), procesamiento de lenguaje natural (PNL) y aprendizaje profundo. Anoosh es un apasionado de guiar y asesorar a las personas en su viaje hacia la ciencia de datos. Dirige reuniones de ciencia de datos/aprendizaje automático y ayuda a los aspirantes a científicos de datos a navegar por sus carreras. También lleva a cabo talleres de ML/IA en universidades y participa activamente en la realización de seminarios web, charlas y sesiones sobre IA y ciencia de datos. Vive en Bangalore con su familia.
V Adithya Krishnan es científico de datos e ingeniero de operaciones de ML. Ha trabajado con varios clientes globales en múltiples dominios y los ha ayudado a resolver sus problemas comerciales utilizando extensamente aplicaciones avanzadas de aprendizaje automático (ML). Tiene experiencia en múltiples campos de la IA-ML, que incluyen pronóstico de series de tiempo, aprendizaje profundo, PNL, operaciones de ML, procesamiento de imágenes y análisis de datos. Actualmente, está desarrollando una suite de observabilidad de valor de última generación para modelos en producción, que incluye monitoreo continuo de modelos y datos junto con el valor comercial realizado. También publicó un artículo en una conferencia del IEEE, "Deep Learning Based Approach for Range Estimation", escrito en colaboración con el DRDO. Vive en Chennai con su familia.