机读格式显示(MARC)

• 000 01537nam 2200313 450

• 001 0000589929

• 005 20230619133100.0

• 010 __ |a 978-7-121-43508-9 |d CNY108.00

• 100 __ |a 20220816d2022 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a 推荐系统 |A tui jian xi tong |b 专著 |e 前沿与实践 |d Recommender systems |e frontiers and practices |f 李东胜[等]著 |z eng

• 210 __ |a 北京 |c 电子工业出版社 |d 2022

• 215 __ |a 12,269页 |c 图 |d 24cm

• 225 2_ |a 人工智能前沿技术丛书 |A Ren Gong Zhi Neng Qian Yan Ji Shu Cong Shu

• 304 __ |a 著者还有：练建勋、张乐、任侃、卢暾

• 314 __ |a 李东胜，博士，微软亚洲研究院 (上海) 高级研究经理，复旦大学计算机学院客座教授、兼职博导。练建勋，博士，毕业于中国科学技术大学，现任微软亚洲研究院主管研究员。张乐，博士，人工智能架构师/总监，主导面向金融应用的人工智能和机器学习平台开发。

• 330 __ |a 本书首先从原理上介绍各类经典推荐算法及前沿的深度学习推荐算法，然后分析推荐系统领域发展的前沿话题和未来方向，最后结合微软的开源项目Microsoft Recommenders介绍推荐系统的实践经验。读者可以基于本书提供的源代码，深入学习推荐算法的设计原理和实践方式，并可以基于本书从零开始快速搭建一个准确、高效的推荐系统。

• 461 _0 |1 2001 |a 人工智能前沿技术丛书

• 510 1_ |a Recommender systems |e frontiers and practices |z eng

• 606 0_ |a 人工智能 |A Ren Gong Zhi Neng

• 690 __ |a TP18 |v 5

• 701 _0 |a 李东胜 |A li dong sheng |4 著

• 701 _0 |a 练建勋 |A lian jian xun |4 著

• 701 _0 |a 张乐 |A zhang le |4 著

• 801 _0 |a CN |b LIB |c 20230619

• 905 __ |a LIB |d TP18/452