دانلود کتاب Big Data Recommender Systems: Application Paradigms (Computing and Networks)
کتاب سیستمهای توصیهکننده کلان داده: پارادایمهای کاربردی (محاسبات و شبکهها) نسخه زبان اصلی
دانلود کتاب سیستمهای توصیهکننده کلان داده: پارادایمهای کاربردی (محاسبات و شبکهها) بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
توضیحاتی در مورد کتاب Big Data Recommender Systems: Application Paradigms (Computing and Networks)
نام کتاب : Big Data Recommender Systems: Application Paradigms (Computing and Networks)
عنوان ترجمه شده به فارسی : سیستمهای توصیهکننده کلان داده: پارادایمهای کاربردی (محاسبات و شبکهها)
سری :
نویسندگان : Osman Khalid (editor), Samee U. Khan (editor), Albert Y. Zomaya (editor)
ناشر : The Institution of Engineering and Technology
سال نشر : 2019
تعداد صفحات : 520
ISBN (شابک) : 9781785619779 , 9781785619793
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 16 Mb
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
سیستمهای توصیهگر برای اولین بار برای ایجاد توصیههای شخصیسازی شده به کاربران در دهه ۹۰ طراحی شدند، تکنیکهای کشف دانش را در دادههای کاربران به کار میبرند تا اطلاعات، محصولات و خدماتی را پیشنهاد دهند که به بهترین وجه با ترجیحات آنها مطابقت دارد. در دهههای اخیر، شاهد افزایش تصاعدی در حجم دادهها بودهایم که چالشهای جدید زیادی را به وجود آورده است.
این مجموعه جامع که به دو جلد تقسیم میشود، پیشرفتهای اخیر، چالشها، راهحلهای جدید و برنامههای کاربردی در سیستمهای توصیهکننده دادههای بزرگ را پوشش میدهد. جلد 2 طیف گسترده ای از پارادایم های کاربردی برای سیستم های توصیه گر را در 22 فصل پوشش می دهد. جلد 1 شامل 14 فصل است که به مبانی، الگوریتم ها و معماری ها، رویکردهای داده های بزرگ و اقدامات اعتماد و امنیت می پردازد.
توضیحاتی در مورد کتاب به زبان اصلی :
First designed to generate personalized recommendations to users in the 90s, recommender systems apply knowledge discovery techniques to users’ data to suggest information, products, and services that best match their preferences. In recent decades, we have seen an exponential increase in the volumes of data, which has introduced many new challenges.
Divided into two volumes, this comprehensive set covers recent advances, challenges, novel solutions, and applications in big data recommender systems. Volume 2 covers a broad range of application paradigms for recommender systems over 22 chapters. Volume 1 contains 14 chapters addressing foundations, algorithms and architectures, approaches for big data, and trust and security measures.