推薦系統實踐入門|可應用於工作上的指引
活動訊息
內容簡介
👑 Netflix 80%的觀看次數、Amazon 35% 的營業額均來自推薦系統
👑 建構高效推薦系統，精準媒合用戶需求
本書適合對推薦系統的開發，或者對推薦演算法有興趣的你：工程師或資料科學家、產品經理與UX/UI 設計師、研究者或學生。
許多網站服務都有推薦機制，譬如「Amazon 的『購買這些商品的人也看了這些商品』」、「YouTube 的『推薦觀賞』」、「Twitter 的『推薦用戶』」等等。許多人因為這些推薦而買了許多商品，或者看影片看到很晚。想必你應該也有類似的經驗吧！其實推薦系統一直存在於我們的周圍。若能讓用戶盡快找到他們感興趣的品項，便可提高用戶的滿意度。
網站服務引入推薦系統已成為趨勢，本書著重實際建構這種信息過濾系統，用於預測使用者對物品的「評分」或「偏好」，來決定呈現哪些商品在使用者眼前。
本書以「運用在實際工作上」為目的，提供作者自身的實務經驗和各種成功、失敗的例子，著重於實際建構一個推薦系統，適合新手入門。
隨著資訊化愈發深入生活，需要做決定的頻率及選項數都急遽增加，對於推薦系統的需求也跟著增加，網站服務引入推薦系統已成為趨勢。
本書將從推薦系統的概要開始，介紹相關的UI/UX、演算法，推薦系統的實際建構方式、推薦系統的評價方式，讓讀者能實作適當的推薦系統。
👑 建構高效推薦系統，精準媒合用戶需求
本書適合對推薦系統的開發，或者對推薦演算法有興趣的你：工程師或資料科學家、產品經理與UX/UI 設計師、研究者或學生。
許多網站服務都有推薦機制，譬如「Amazon 的『購買這些商品的人也看了這些商品』」、「YouTube 的『推薦觀賞』」、「Twitter 的『推薦用戶』」等等。許多人因為這些推薦而買了許多商品，或者看影片看到很晚。想必你應該也有類似的經驗吧！其實推薦系統一直存在於我們的周圍。若能讓用戶盡快找到他們感興趣的品項，便可提高用戶的滿意度。
網站服務引入推薦系統已成為趨勢，本書著重實際建構這種信息過濾系統，用於預測使用者對物品的「評分」或「偏好」，來決定呈現哪些商品在使用者眼前。
本書以「運用在實際工作上」為目的，提供作者自身的實務經驗和各種成功、失敗的例子，著重於實際建構一個推薦系統，適合新手入門。
隨著資訊化愈發深入生活，需要做決定的頻率及選項數都急遽增加，對於推薦系統的需求也跟著增加，網站服務引入推薦系統已成為趨勢。
本書將從推薦系統的概要開始，介紹相關的UI/UX、演算法，推薦系統的實際建構方式、推薦系統的評價方式，讓讀者能實作適當的推薦系統。
目錄
前言
第1章 推薦系統
第2章 推薦系統專案
第3章 推薦系統的UI/UX
第4章 推薦演算法的概要
第5章 推薦演算法的細節
第6章 建構實際系統
第7章 推薦系統的評價
第8章 發展性的主題
附錄A Netflix Prize
附錄B 用戶間依記憶過濾法的細節
後記
第1章 推薦系統
第2章 推薦系統專案
第3章 推薦系統的UI/UX
第4章 推薦演算法的概要
第5章 推薦演算法的細節
第6章 建構實際系統
第7章 推薦系統的評價
第8章 發展性的主題
附錄A Netflix Prize
附錄B 用戶間依記憶過濾法的細節
後記
序／導讀
序
現在許多網站服務都有推薦機制，譬如「Amazon 的『購買這些商品的人也看了這些商品』」、「YouTube 的『推薦觀賞』」、「Twitter 的『推薦用戶』」等等。許多人因為這些推薦而買了許多商品，或者看影片看到很晚。想必你應該也有類似的經驗吧。
其實，推薦系統一直存在於我們的周圍。譬如餐廳的主廚推薦、書店的熱門書籍排行等，都屬於推薦系統。一直以來，我們都需要在日常生活中決定「要吃什麼？」、「要看什麼節目？」。因為經常面對這些需要做出決定的狀況，所以需要能夠幫我們做出決定的建議。隨著資訊化時代的到來，我們需要做出決定的頻率，以及選項數都急遽增加，對於推薦系統的需求也跟著增加。
本書的目標是成為建構推薦系統時的入門書籍，幫助那些想要在自家公司的服務底下建構推薦系統的人們。本書的作者群中，有些人具有在推薦系統的國際論壇RecSys 登台報告的經驗，有些人的本業就是在企業中開發推薦系統的機器學習工程師。此外，本書也是作者群們在經歷過許多推薦系統的開發成功與失敗案例後，整理出來的推薦系統建構入門。
希望本書能幫助那些對推薦系統有興趣的人掌握推薦系統的概要，開發出適當的推薦系統。
現在許多網站服務都有推薦機制，譬如「Amazon 的『購買這些商品的人也看了這些商品』」、「YouTube 的『推薦觀賞』」、「Twitter 的『推薦用戶』」等等。許多人因為這些推薦而買了許多商品，或者看影片看到很晚。想必你應該也有類似的經驗吧。
其實，推薦系統一直存在於我們的周圍。譬如餐廳的主廚推薦、書店的熱門書籍排行等，都屬於推薦系統。一直以來，我們都需要在日常生活中決定「要吃什麼？」、「要看什麼節目？」。因為經常面對這些需要做出決定的狀況，所以需要能夠幫我們做出決定的建議。隨著資訊化時代的到來，我們需要做出決定的頻率，以及選項數都急遽增加，對於推薦系統的需求也跟著增加。
本書的目標是成為建構推薦系統時的入門書籍，幫助那些想要在自家公司的服務底下建構推薦系統的人們。本書的作者群中，有些人具有在推薦系統的國際論壇RecSys 登台報告的經驗，有些人的本業就是在企業中開發推薦系統的機器學習工程師。此外，本書也是作者群們在經歷過許多推薦系統的開發成功與失敗案例後，整理出來的推薦系統建構入門。
希望本書能幫助那些對推薦系統有興趣的人掌握推薦系統的概要，開發出適當的推薦系統。
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價