Session-Based Recommender Systems Using Deep Learning
Englisch, Reza Ravanmehr, Rezvan Mohamadrezaei, 2024Mehr als 10 Stück an Lager beim Lieferanten
Produktinformationen
Das Buch "Session-Based Recommender Systems Using Deep Learning" bietet eine umfassende Analyse der Anwendung von tiefen neuronalen Netzwerken in session-basierten Empfehlungssystemen (SBRS). Es beleuchtet die Erfolge und Herausforderungen, die mit der Implementierung von Deep-Learning-Techniken in verschiedenen SBRS-Anwendungen verbunden sind. Die Autoren, Rezvan Mohamadrezaei und Reza Ravanmehr, erläutern die grundlegenden Konzepte und Prinzipien von SBRS und untersuchen die verschiedenen tiefen Lerntechniken, die für deren Entwicklung relevant sind. Die modulare Struktur des Buches ermöglicht es den Leserinnen und Lesern, die Kapitel unabhängig voneinander zu erkunden, je nach individuellem Interesse und Bedarf. Jedes Kapitel behandelt spezifische Aspekte der SBRS und der zugrunde liegenden Deep-Learning-Modelle, von grundlegenden Definitionen bis hin zu fortgeschrittenen hybriden Modellen und Lernmethoden.
Thema | Technik & IT |
Unterthema | Informatik |
Sprache | Englisch |
Autor | Reza Ravanmehr, Rezvan Mohamadrezaei |
Jahr | 2024 |
Bucheinband | Kartonierter Einband |
Artikelnummer | 57180551 |
Verlag | Springer |
Kategorie | Fachbücher |
Release-Datum | 27.3.2025 |
Thema | Technik & IT |
Unterthema | Informatik |
Sprache | Englisch |
Autor | Reza Ravanmehr, Rezvan Mohamadrezaei |
Jahr | 2024 |
Bucheinband | Kartonierter Einband |
CO₂-Emission | 0.5 kg |
Klimabeitrag | CHF 0.11 |
Produkte vergleichen
Passend dazu
Bewertungen & Meinungen
Garantiefallquote
So oft weist ein Produkt dieser Marke in der Kategorie «Fachbücher» innerhalb der ersten 24 Monate einen Defekt auf.
Quelle: Digitec Galaxus- 1.Rheinwerk0 %
- 1.S.Fischer0 %
- 1.Springer0 %
- 1.Stämpfli0 %
- 1.Ullstein0 %
Garantiefalldauer
So lange dauert eine Abwicklung ab Ankunft bei der Servicestelle bis Wiedererhalt in Arbeitstagen im Durchschnitt.
Quelle: Digitec Galaxus- SpringerUngenügende Daten
- An der RuhrUngenügende Daten
- AnacondaUngenügende Daten
- AristonUngenügende Daten
- Avery Publishing GroupUngenügende Daten
Leider haben wir für diese Kategorie aktuell noch nicht genügend Daten, um dir mehr Quoten anzuzeigen.
Rückgabequote
So oft wird ein Produkt dieser Marke in der Kategorie «Fachbücher» retourniert.
Quelle: Digitec Galaxus- 58.Penguin Random House1.1 %
- 58.Piper1.1 %
- 58.Springer1.1 %
- 61.An der Ruhr1.2 %
- 61.Don Bosco1.2 %