《智能推薦系統(tǒng)開發(fā)實戰(zhàn)》基于Python 3.7編寫，全書圍繞推薦模型的開發(fā)實踐，為讀者重點介紹了各種不同類型推薦模型的開發(fā)過程及其在多種業(yè)務場景下的應用。
全書分為4篇，第1篇簡單介紹了推薦系統(tǒng)的發(fā)展過程及從事推薦模型研發(fā)需要的數(shù)學知識；第2篇重點介紹了不同類型的推薦算法在多種應用場景下的開發(fā)實踐，包括協(xié)同過濾、矩陣分解、Logistic回歸、決策樹、集成學習、因子分解機與深度學習模型；第3篇介紹了推薦系統(tǒng)的冷啟動問題及效果評估方法；第4篇通過行業(yè)真實案例，如廣告點擊率預測、金融產(chǎn)品精準營銷、音樂推薦、基于客戶生命周期的推薦等，深入淺出、循序漸進地介紹了推薦模型開發(fā)的全過程。
《智能推薦系統(tǒng)開發(fā)實戰(zhàn)》內(nèi)容精練、案例豐富，實踐性極強，可快速學習并上手實踐，值得一讀，特別適合在企業(yè)中從事推薦模型開發(fā)、數(shù)據(jù)分析挖掘、機器學習研發(fā)等工作的人員使用，同樣適合想從事數(shù)據(jù)挖掘工作的各大中專院校的學生與教師，以及其他對推薦系統(tǒng)領(lǐng)域有興趣的各類人員使用。