书籍-《协同过滤：推荐系统》

书籍：Collaborative Filtering: Recommender Systems
作者：Angshul Majumdar
出版：CRC Press​
编辑：陈萍萍的公主@一点人工一点智能
下载：书籍下载-《协同过滤：推荐系统》

01 书籍介绍

本书深入探讨了推荐系统的内部运作机制，这些无处不在的技术塑造了我们的在线体验。从Netflix的节目推荐到亚马逊的个性化产品建议，再到YouTube上源源不断的精选视频流，这些系统每天都在影响着我们所看到的选择。在推荐系统背后，协同过滤占据主导地位。
本书对这一主题进行了全面探索，首先介绍了基于记忆的技术。这些方法因其易于理解和实现而著称，为理解协同过滤奠定了坚实的基础。随着阅读的深入，您将探索隐因子模型——现代推荐系统背后的抽象数学引擎。
接下来，本书继续探讨元数据和多样性的概念。您会了解到，系统收集的额外信息（即元数据）如何被用来优化推荐。此外，书中还讨论了促进多样性的技术，确保推荐列表的均衡性。最后，本书以最新的深度学习模型在推荐系统中的应用作为结尾。
本书面向两类读者。首先，它是IT专业人士或数据科学家入门推荐系统的指南。本书假设读者具备基本的线性代数和最优化知识，但不需要机器学习或编程背景，使得希望进入这个激动人心领域的读者能够轻松阅读。其次，本书也可作为研究生课程的教材。为此，最后一章为教师提供了可能的课程计划。
主要特点：
· 本书是唯一一本涵盖从20世纪90年代末至今25年关于此主题的研究成果。
· 与需要高级数据分析知识的其他书籍不同，本书只需读者具备基本的线性代数知识即可阅读。
· 本书覆盖的主题范围比其他书籍更广。多数其他书籍侧重于研究，并深入探讨某一狭窄领域。
· 本书是唯一一本专门作为协同过滤和推荐系统教材撰写的书籍。
· 本书注重算法而非具体实现，因此不受特定编程语言限制。
读者可以自由选择自己熟悉的工具，如Python、R、Matlab、Java等。

02 作者简介

Angshul Majumdar目前是位于加尔各答的TCG CREST教授。此前，他在印度德里的Indraprastha信息技术研究所担任教授。自2012年以来一直与该研究所合作。Angshul在加拿大不列颠哥伦比亚大学获得了电气和计算机工程的硕士学位（2009年）和博士学位（2012年）。
Angshul的研究兴趣集中在信号处理和机器学习及其在智能电网和生物信息学中的应用。他合著了超过200篇期刊论文和顶级会议文章，撰写过两本书并共同编辑了另外两本，持有7项美国专利。他是IEEE开放信号处理期刊和Elsevier神经计算的副主编。过去，他曾担任IEEE电路与系统视频技术交易期刊的副主编。
Angshul目前担任IEEE信号处理学会的学生服务主任。在此之前，他曾担任IEEE SPS会员委员会教育委员会主席（2019年）。他还曾担任IEEE SPS会员委员会分会委员会主席（2016-18年），并曾是IEEE SPS德里分会的创始主席（2015-18年）。
Angshul组织了2014年和2017年的两次IEEE SPS冬季学校，并担任了2017年IEEE ISBA大会（IEEE生物识别委员会的旗舰会议）的财务主席。

03 书籍大纲