Session-Based Recommender Systems Using Deep Learning
Inglese, Reza Ravanmore, Rezvan Mohamadrezaei, 2024Più di 10 pezzi in stock presso il fornitore
Informazioni sul prodotto
Il libro "Session-Based Recommender Systems Using Deep Learning" offre un'analisi completa dell'applicazione delle reti neurali profonde nei sistemi di raccomandazione basati su sessione (SBRS). Illustra i successi e le sfide legate all'implementazione delle tecniche di deep learning in diverse applicazioni SBRS. Gli autori, Rezvan Mohamadrezaei e Reza Ravanmehr, spiegano i concetti e i principi fondamentali degli SBRS e analizzano le varie tecniche di deep learning rilevanti per il loro sviluppo. La struttura modulare del libro consente ai lettori di esplorare i capitoli in modo indipendente, a seconda degli interessi e delle esigenze individuali. Ogni capitolo tratta aspetti specifici degli SBRS e dei modelli di deep learning sottostanti, dalle definizioni di base ai modelli ibridi avanzati e alle metodologie di apprendimento.
argomento | Tecnologia & IT |
Subtopic | Informatica |
Lingua | Inglese |
Autore | Reza Ravanmore, Rezvan Mohamadrezaei |
Anno | 2024 |
Copertina del libro | Copertina rigida |
No. di articolo | 57180551 |
Editore | Springer |
Categoria | Libro specialistico |
Data di rilascio | 27.3.2025 |
argomento | Tecnologia & IT |
Subtopic | Informatica |
Lingua | Inglese |
Autore | Reza Ravanmore, Rezvan Mohamadrezaei |
Anno | 2024 |
Copertina del libro | Copertina rigida |
Emissioni di CO₂ | 0.5 kg |
Contributo climatico | CHF 0.11 |
Confronta i prodotti
Suggerimenti
Valutazioni e opinioni
Ritenuta di garanzia
La frequenza con cui un prodotto di questo marchio nella categoria «Libro specialistico» presenta un difetto nei primi 24 mesi.
Fonte: Digitec Galaxus- 1.Rheinwerk0 %
- 1.S.Fischer0 %
- 1.Springer0 %
- 1.Stämpfli0 %
- 1.Ullstein0 %
Durata della garanzia
Il tempo di elaborazione che intercorre tra l'arrivo al centro di assistenza e il recupero da parte del cliente, in media in giorni lavorativi.
Fonte: Digitec Galaxus- SpringerDati non sufficienti
- An der RuhrDati non sufficienti
- AnacondaDati non sufficienti
- AristonDati non sufficienti
- Avery Publishing GroupDati non sufficienti
Purtroppo non disponiamo di dati sufficienti per questa categoria per mostrarti ulteriori percentuali.
Percentuale di reso
La frequenza con cui un prodotto di questo marchio nella categoria «Libro specialistico» viene restituito.
Fonte: Digitec Galaxus- 58.Penguin Random House1.1 %
- 58.Piper1.1 %
- 58.Springer1.1 %
- 61.An der Ruhr1.2 %
- 61.Don Bosco1.2 %