Session-Based Recommender Systems Using Deep Learning

Inglese, Reza Ravanmore, Rezvan Mohamadrezaei, 2024
Consegna tra sab, 23.5. e gio, 28.5.
Più di 10 pezzi in stock presso il fornitore
spedizione gratuita

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.

Le specifiche più importanti in sintesi

argomento
Tecnologia & IT
Subtopic
Informatica
Lingua
Inglese
Autore
Reza RavanmoreRezvan Mohamadrezaei
Anno
2024
Copertina del libro
Copertina rigida

Informazioni generali

No. di articolo
57180551
Editore
Springer
Categoria
Libro specialistico
Data di rilascio
27.3.2025

Caratteristiche del libro

argomento
Tecnologia & IT
Subtopic
Informatica
Lingua
Inglese
Autore
Reza RavanmoreRezvan Mohamadrezaei
Anno
2024
Copertina del libro
Copertina rigida

Contributo climatico volontario

Emissioni di CO₂
0.5 kg
Contributo climatico
CHF 0.11

30 di diritto di recesso se non aperto
Nessuna garanzia

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.Rheinwerk
    0 %
  • 1.S.Fischer
    0 %
  • 1.Springer
    0 %
  • 1.Stämpfli
    0 %
  • 1.Ullstein
    0 %

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
  • Springer
    Dati non sufficienti
  • An der Ruhr
    Dati non sufficienti
  • Anaconda
    Dati non sufficienti
  • Ariston
    Dati non sufficienti
  • Avery Publishing Group
    Dati 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 House
    1.1 %
  • 58.Piper
    1.1 %
  • 58.Springer
    1.1 %
  • 61.An der Ruhr
    1.2 %
  • 61.Don Bosco
    1.2 %
Fonte: Digitec Galaxus