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 hoy en día.
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 los sistemas de recomendación basados en contenido y conocimiento con PNL. Luego, los autores demuestran técnicas como el filtrado colaborativo utilizando la factorización de matrices y los sistemas de recomendación híbridos que incorporan tanto el filtrado basado en contenido como el colaborativo. Esto es seguido por un tutorial sobre la construcción de sistemas de recomendación basados en aprendizaje automático utilizando algoritmos de agrupamiento 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 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 podrá construir sistemas de recomendación con varias herramientas y técnicas con aprendizaje automático, aprendizaje profundo y algoritmos basados en grafos. Lo que aprenderá- Comprender e implementar diferentes técnicas de sistemas de recomendación con Python
- Emplear métodos populares como los basados en contenido y conocimiento, filtrado colaborativo, análisis de cesta 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, la PNL y el aprendizaje profundo para construir sistemas de recomendación
Para quién es 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: 1.02lbs
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 y líder de opinión en IA y aprendizaje automático. Ha asesorado a varias empresas de Fortune 500 y empresas globales para impulsar transformaciones estratégicas basadas en IA y ciencia de datos. Es desarrollador de Google, autor y orador habitual en las principales conferencias de IA y ciencia de datos, incluyendo 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 destacado como uno de los 40 mejores científicos de datos menores de 40 años en la India. En su tiempo libre, le gusta leer, escribir, programar y ayudar a los aspirantes a científicos de datos. Vive en Bangalore con su familia.
Adarsha Shivananda es líder en ciencia de datos y MLOps. Trabaja 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 ampliamente en los dominios farmacéutico, de atención médica, CPG, 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 (NLP) y aprendizaje profundo. A Anoosh le apasiona guiar y asesorar a las personas en su trayectoria en 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 ML Ops. Ha trabajado con varios clientes globales en múltiples dominios y les ha ayudado a resolver sus problemas comerciales utilizando ampliamente aplicaciones avanzadas de aprendizaje automático (ML). Tiene experiencia en múltiples campos de la IA-ML, incluyendo pronóstico de series de tiempo, aprendizaje profundo, PNL, operaciones de ML, procesamiento de imágenes y análisis de datos. Actualmente, está desarrollando un conjunto 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 IEEE, "Enfoque basado en aprendizaje profundo para la estimación de rango", escrito en colaboración con la DRDO. Vive en Chennai con su familia.