题名:
个性化机器学习   ge xing hua ji qi xue xi / (美) 朱利安·麦考利著 , 陈小青, 潘微科, 明仲译
ISBN:
978-7-111-76227-0 价格： CNY99.00
语种:
chi
载体形态:
X, 219页 图 26cm
出版发行:
出版地： 北京 出版社： 机械工业出版社 出版日期： 2024
内容提要:
本书介绍了使用机器学习进行个性化预测的通用原理和方法，以及其在推荐系统等具体场景下的应用。第一部分简要介绍了机器学习的基础内容，主要围绕回归和分类展开对基本内容、特征设计和评估方法的探讨。第二部分详细介绍了个性化机器学习的基础知识。首先围绕推荐系统设置介绍了基于记忆和基于模型的推荐方法等相关知识，并探讨了将社交关系和价格等特征纳入推荐中的个性化设置；之后，从时序和序列建模的角度介绍了自回归和马尔可夫链等基本方法，以及基于神经网络的更复杂的个性化技术。第三部分介绍了个性化机器学习的一些新兴方向，包括涉及文本和图像的数据生成和检索等个性化应用，并探讨了开发个性化机器学习存在的过滤气泡、极端化、偏置和公平性等问题和影响。 
主题词:
机器学习  
中图分类法:
TP181 版次： 5
主要责任者:
麦考利 mai kao li 著
次要责任者:
陈小青 chen xiao qing 译
次要责任者:
潘微科 pan wei ke 译
次要责任者:
明仲 ming zhong 译
责任者附注:
朱利安·麦考利(Julian McAuley)，加州大学圣地亚哥分校教授。他的主要研究领域是个性化机器学习，其应用范围从个性化推荐到对话、医疗保健和时装设计。 
责任者附注:
陈小青，深圳大学计算机与软件学院研究生，多次获得学业奖励。主要研究方向为推荐系统和深度学习，曾参与国家自然科学基金等科研项目。 
责任者附注:
潘微科，博士，深圳大学计算机与软件学院教授、博士生导师，计算机科学与技术系主任。主要研究方向为推荐系统、深度学习、迁移学习、联邦学习和机器学习，已发表100多篇科研论文，出版教材1本，主持国家自然科学基金面上项目等多个科研项目。 
责任者附注:
明仲，博士，人工智能与数字经济广东省实验室 (深圳) 副主任，深圳技术大学副校长、讲席教授、博士生导师，全国高校黄大年式教师团队负责人。