👑 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。
作者序
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...
目錄
章節說明: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
章節說明: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
購物須知
退換貨說明：
會員均享有10天的商品猶豫期（含例假日）。若您欲辦理退換貨，請於取得該商品10日內寄回。
辦理退換貨時，請保持商品全新狀態與完整包裝（商品本身、贈品、贈票、附件、內外包裝、保證書、隨貨文件等）一併寄回。若退回商品無法回復原狀者，可能影響退換貨權利之行使或須負擔部分費用。
訂購本商品前請務必詳閱退換貨原則。
收藏
二手徵求有驚喜
2024專利防護中