توضیحات
This timely book presents Applications in Recommender Systems which are making recommendations using machine learning algorithms trained via examples of content the user likes or dislikes. Recommender systems built on the assumption of availability of both positive and negative examples do not perform well when negative examples are rare. It is exactly this problem that the authors address in the monograph at hand. Specifically, the books approach is based on one-class classification methodologies that have been appearing in recent machine learning research. The blending of recommender systems and one-class classification provides a new very fertile field for research, innovation and development with potential applications in big data as well as sparse data problems.
The book will be useful to researchers, practitioners and graduate students dealing with problems of extensive and complex data. It is intended for both the expert/researcher in the fields of Pattern Recognition, Machine Learning and Recommender Systems, as well as for the general reader in the fields of Applied and Computer Science who wishes to learn more about the emerging discipline of Recommender Systems and their applications. Finally, the book provides an extended list of bibliographic references which covers the relevant literature completely.
————————————————————–
ترجمه ماشینی :
این کتاب بهموقع برنامههای کاربردی در سیستمهای توصیهکننده را ارائه میکند که با استفاده از الگوریتمهای یادگیری ماشینی آموزش داده شده از طریق نمونههایی از محتوایی که کاربر دوست دارد یا دوست ندارد، توصیههایی ارائه میکند. سیستمهای توصیهکننده که با فرض در دسترس بودن مثالهای مثبت و منفی ساخته شدهاند، زمانی که نمونههای منفی نادر هستند، عملکرد خوبی ندارند. دقیقاً این مشکلی است که نویسندگان در تک نگاری در دست به آن می پردازند. به طور خاص، رویکرد کتابها بر اساس روشهای طبقهبندی یک کلاسه است که در تحقیقات اخیر یادگیری ماشین ظاهر شدهاند. ترکیب سیستمهای توصیهگر و طبقهبندی تککلاس، زمینه بسیار مناسبی برای تحقیق، نوآوری و توسعه با کاربردهای بالقوه در دادههای بزرگ و همچنین مشکلات دادههای پراکنده فراهم میکند.
این کتاب برای محققان مفید خواهد بود. شاغلین و دانشجویان تحصیلات تکمیلی که با مشکلات داده های گسترده و پیچیده سروکار دارند. این هم برای متخصص/محقق در زمینههای تشخیص الگو، یادگیری ماشین و سیستمهای توصیهکننده، و همچنین برای خوانندگان عمومی در زمینههای علوم کاربردی و کامپیوتر که مایل به کسب اطلاعات بیشتر در مورد رشتههای نوظهور سیستمهای توصیهکننده هستند در نظر گرفته شده است. برنامه های کاربردی آنها در نهایت، این کتاب فهرست گسترده ای از منابع کتابشناختی را ارائه می دهد که ادبیات مربوطه را به طور کامل پوشش می دهد.
tag : دانلود کتاب پارادایم های یادگیری ماشین: کاربردها در سیستم های توصیه کننده , Download پارادایم های یادگیری ماشین: کاربردها در سیستم های توصیه کننده , دانلود پارادایم های یادگیری ماشین: کاربردها در سیستم های توصیه کننده , Download Machine Learning Paradigms: Applications in Recommender Systems Book , پارادایم های یادگیری ماشین: کاربردها در سیستم های توصیه کننده دانلود , buy پارادایم های یادگیری ماشین: کاربردها در سیستم های توصیه کننده , خرید کتاب پارادایم های یادگیری ماشین: کاربردها در سیستم های توصیه کننده , دانلود کتاب Machine Learning Paradigms: Applications in Recommender Systems , کتاب Machine Learning Paradigms: Applications in Recommender Systems , دانلود Machine Learning Paradigms: Applications in Recommender Systems , خرید Machine Learning Paradigms: Applications in Recommender Systems , خرید کتاب Machine Learning Paradigms: Applications in Recommender Systems ,
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.