浪潮之巔作者吳軍推薦序——《推薦系統實踐》
推薦在今天網際網路的產品和應用中被廣泛採用,包括今天大家經常使用的相關搜尋、話題推薦、電子商務的各種產品推薦、社交網路上的交友推薦等。但是,至今還沒有一本書從理論上對它進行系統地分析和論述。《推薦系統實踐》這本書恰恰彌補了這個空白。
該書總結了當今網際網路主要領域、主要公司、各種和推薦有關的產品和服務,包括:
- 亞馬遜的個性化產品推薦;
- Netflix的視訊和DVD推薦;
- Pandora的音樂推薦;
- Facebook的好友推薦;
- Google Reader的個性化閱讀;
- 各種個性化廣告。
書的名稱雖然是《推薦系統實踐》,但作者也闡述了和推薦系統有關的理論基礎和評價推薦系統優劣的各種標準與方法,比如覆蓋率、滿意度、AB測試等。由於這些評估很大程度上取決於對使用者行為的分析,因此本書也介紹了使用者行為分析方法,並且給出了計算機實現的演算法。
本書對有興趣自己開發推薦系統的讀者給出了設計和實現推薦系統的方法與技巧,非常具有指導意義。 本書文筆流暢,可讀性較高,是一部值得推薦給IT從業人員的優秀參考書。
——吳軍 騰訊副總裁,谷歌資深研究員,《數學之美》和《浪潮之巔》作者
相關文章
- 《浪潮之巔》作者吳軍:把握技術革命的浪尖
- 《推薦系統實踐》筆記 01 推薦系統簡介筆記
- Spark推薦系統實踐Spark
- 編輯推薦之《推薦系統》
- 關於《推薦系統實踐》
- 編輯小記之《推薦系統實踐》
- 【推薦系統篇】--推薦系統之訓練模型模型
- 推薦系統論文之序列推薦:KERL
- 推薦系統實踐自我評價
- 【推薦系統篇】--推薦系統之測試資料
- 《推薦系統學習》之推薦系統那點事
- 推薦系統實踐學習系列(三)推薦系統冷啟動問題
- 吳恩達機器學習筆記 —— 17 推薦系統吳恩達機器學習筆記
- 克軍談CSS(《Sass與Compass實戰》推薦序)CSS
- 推薦系統
- 推薦系統入門之使用協同過濾實現商品推薦
- 個性化推薦系統實踐應用
- 推薦系統實踐 0x11 NeuralCF
- 19期推薦系統實踐學習(二)
- 推薦演算法在商城系統實踐演算法
- 《推薦系統實踐》關於Latent Factor Model
- 推薦系統實踐 0x05 推薦資料集MovieLens及評測
- 推薦系統: 相關推薦方法對比
- 推薦系統概述
- 機器學習 — 推薦系統機器學習
- 推薦系統 embedding 技術實踐總結
- 推薦系統實踐 0x12 Embedding
- 推薦系統實踐 0x0f AutoRec
- 詳解特徵工程與推薦系統及其實踐特徵工程
- 【推薦系統篇】--推薦系統之之特徵工程部分---構建訓練集流程特徵工程
- Mahout的taste推薦系統引擎(影片推薦案例)AST
- 分期商城實時推薦系統
- 推薦系統一——深入理解YouTube推薦系統演算法演算法
- 【推薦系統篇】--推薦系統介紹和基本架構流程架構
- 58同城智慧推薦系統的演進與實踐
- 推薦系統實踐 0x0c FM系列
- 推薦系統實踐 0x10 Deep CrossingROS
- 《推薦系統實踐》筆記 03 評測指標筆記指標