Sistemi di raccomandazione pratici con Python

Recensioni dei lettori

Il libro sui sistemi di raccomandazione ha raccolto recensioni contrastanti: molti ne lodano l'accessibilità per i principianti e gli esempi pratici di codifica, mentre altri ne criticano l'organizzazione, la profondità e alcuni aspetti tecnici.

Il libro è facile da capire, costruito con metodo e fornisce esempi pratici di codifica e scenari reali. È utile per i principianti e include risorse utili come video e link per scaricare il codice. Molti recensori apprezzano le spiegazioni concise e la disponibilità del codice su GitHub.

I critici notano una mancanza di organizzazione, con capitoli che sembrano disarticolati. Alcuni ritengono che manchi di profondità, in particolare per quanto riguarda argomenti avanzati come la fattorizzazione di matrici e l'apprendimento profondo. I link presenti nel libro sono stati segnalati come interrotti e la qualità generale del codice è considerata di base. Potrebbe non essere adatto a chi ha una precedente esperienza nella scienza dei dati.

(basato su 11 recensioni dei lettori)

Titolo originale:

Hands-On Recommendation Systems with Python

Contenuto del libro:

Con Hands-On Recommendation Systems with Python, imparerete gli strumenti e le tecniche necessarie per costruire vari tipi di potenti sistemi di raccomandazione (collaborativi, basati sulla conoscenza e sul contenuto) e per implementarli sul web. I sistemi di raccomandazione sono oggi al centro di quasi tutte le attività di Internet, da Facebook a Netflix ad Amazon.

Fornire buone raccomandazioni, che si tratti di amici, film o generi alimentari, contribuisce a definire l'esperienza dell'utente e a invogliare i clienti a utilizzare la piattaforma. Questo libro vi mostra come fare proprio questo. Imparerete a conoscere i diversi tipi di raccomandatori utilizzati nel settore e vedrete come costruirli da zero utilizzando Python.

Non c'è bisogno di guadare tonnellate di teoria dell'apprendimento automatico: potrete iniziare a costruire e conoscere i raccomandatori nel più breve tempo possibile. In questo libro costruirete un clone della Top 250 di IMDB, un motore basato sui contenuti che lavora sui metadati dei film.

Utilizzerete filtri collaborativi per utilizzare i dati sul comportamento dei clienti e un raccomandatore ibrido che incorpora tecniche basate sui contenuti e di filtraggio collaborativo. Con questo libro, tutto ciò di cui avete bisogno per iniziare a costruire sistemi di raccomandazione è una certa familiarità con Python e, quando avrete finito, avrete una grande conoscenza del funzionamento dei raccomandatori e sarete in una posizione forte per applicare le tecniche che imparerete ai vostri domini problematici.

Se siete sviluppatori Python e volete sviluppare applicazioni per i social network, la personalizzazione delle notizie o la pubblicità intelligente, questo è il libro che fa per voi. Una conoscenza di base delle tecniche di apprendimento automatico sarà utile, ma non obbligatoria.