Agarwal Statistical Methods for Recommender Systems 9781107036079

Варианты приобретения

Цена: 7602.00р.
Кол-во:
Наличие: Поставка под заказ. Есть в наличии на складе поставщика.
Склад Америка: Есть
При оформлении заказа до: 2025-08-04
Ориентировочная дата поставки: Август-начало Сентября
При условии наличия книги у поставщика.

Добавить в корзину

в Мои желания

Автор: Agarwal
Название: Statistical Methods for Recommender Systems
Перевод названия: Агарвол: Статистические методы для рекомендующих систем
ISBN: 9781107036079
Издательство: Cambridge Academ
Классификация:

Базы данных

Экспертные системы / системы баз знаний

ISBN-10: 1107036070
Обложка/Формат: Hardback
Страницы: 298
Вес: 0.53 кг.
Дата издания: 24.02.2016
Серия: Mathematics
Язык: English
Иллюстрации: 18 tables, black and white; 6 halftones, unspecified; 60 line drawings, unspecified
Размер: 160 x 235 x 21
Читательская аудитория: Postgraduate, research & scholarly
Ключевые слова: Probability & statistics,Computer science,Machine learning, COMPUTERS / Databases / General
Основная тема: Computer science
Ссылка на Издательство: Link
Рейтинг:
Поставляется из: Англии
Описание: Designing algorithms to recommend items such as news articles and movies to users is a challenging task in numerous web applications. The crux of the problem is to rank items based on users responses to different items to optimize for multiple objectives. Major technical challenges are high dimensional prediction with sparse data and constructing high dimensional sequential designs to collect data for user modeling and system design. This comprehensive treatment of the statistical issues that arise in recommender systems includes detailed, in-depth discussions of current state-of-the-art methods such as adaptive sequential designs (multi-armed bandit methods), bilinear random-effects models (matrix factorization) and scalable model fitting using modern computing paradigms like MapReduce. The authors draw upon their vast experience working with such large-scale systems at Yahoo! and LinkedIn, and bridge the gap between theory and practice by illustrating complex concepts with examples from applications they are directly involved with.

Statistical Methods for Recommender Systems, Agarwal