PRODUKTBESCHREIBUNG
von Dongsheng Li (Autor), Jianxun Lian (Autor), Le Zhang (Autor)
Rückseite des Umschlags
Dieses Buch beginnt mit den klassischen Empfehlungsalgorithmen, führt die Leser in die grundlegenden Prinzipien und Hauptkonzepte der traditionellen Algorithmen ein und analysiert deren Vorteile und Grenzen. Anschließend behandelt es die Grundlagen des Deep Learning, konzentriert sich auf die angewandte Deep-Learning-basierte Technologie und analysiert Probleme, die in der Theorie und Praxis von Empfehlungssystemen auftreten, um den Lesern ein tieferes Verständnis der Spitzentechnologie in diesen Systemen zu vermitteln. Zuletzt werden praktische Erfahrungen mit dem Open-Source-Projekt Microsoft Recommenders von Microsoft geteilt. Die Leser können die Entwurfsprinzipien von Empfehlungsalgorithmen anhand des in diesem Buch bereitgestellten Quellcodes erlernen, wodurch sie schnell genaue und effiziente Empfehlungssysteme von Grund auf neu erstellen können.
Autorenbiografie
Dongsheng Li ist seit Februar 2020 leitender Forschungsmanager bei Microsoft Research Asia (MSRA). Seine Forschungsinteressen umfassen Empfehlungssysteme und allgemeine Anwendungen des maschinellen Lernens. Er hat über 100 Artikel auf führenden Konferenzen und in Fachzeitschriften veröffentlicht und war Mitglied des Programmkomitees führender Konferenzen.
Dr. Jianxun Lian absolvierte die University of Science and Technology of China und ist derzeit Senior Researcher bei Microsoft Research Asia. Seine Forschungsinteressen umfassen hauptsächlich Empfehlungssysteme, Benutzermodellierung und Deep-Learning-bezogene Technologien.
Le Zhang ist Machine Learning Architect bei der Standard Chartered Bank. Er verfügt über umfassende Erfahrung in der Anwendung modernster Machine-Learning- und Künstliche-Intelligenz-Technologien, um die digitale Transformation für Unternehmen und Start-ups zu beschleunigen.Kan Ren ist Senior Researcher bei Microsoft Research. Seine Hauptforschungsinteressen umfassen die raumzeitliche Datenanalyse, Argumentation und Entscheidungsoptimierung mit Anwendungen in den Bereichen Gesundheitswesen, Empfehlungssysteme und Finanzen. Kan hat viele Arbeiten auf hochrangigen Konferenzen zum maschinellen Lernen und zur Datenanalyse veröffentlicht.
Tun LU ist derzeit ordentlicher Professor an der School of Computer Science, Fudan University, China. Seine Forschungsinteressen umfassen computergestützte kollaborative Arbeit (CSCW), Social Computing, Empfehlungssysteme und Mensch-Computer-Interaktion (HCI). Er hat mehr als 80 von Fachkollegen begutachtete Veröffentlichungen auf renommierten Konferenzen und in Fachzeitschriften veröffentlicht.
Tao Wu ist Principal Applied Science Manager in der Business Applications and Platform Group von Microsoft und leitet die Produktentwicklungsbemühungen unter Verwendung großer Sprachmodelle und generativer KI. Er initiierte die Schaffung des Projekts Microsoft Recommenders (kürzlich an die Linux Foundation gespendet), das zu einem der beliebtesten Open-Source-Projekte für Empfehlungssysteme geworden ist. Vor Microsoft hatte Tao verschiedene Forschungs-, Ingenieurs- und Führungspositionen im Nokia Research Center und am MIT CSAIL inne.
Dr. Xing Xie ist derzeit Senior Principal Research Manager bei Microsoft Research Asia. In den letzten Jahren hat er über 300 Artikel veröffentlicht, den ACM SIGKDD 2022 Test-of-Time Award und den ACM SIGKDD China Test-of-Time Award 2021 gewonnen, den 10-Year Impact Award (honorable mention) bei ACM SIGSPATIAL 2020 erhalten und den 10-Year Impact Award bei ACM SIGSPATIAL 2019 gewonnen. Er ist derzeit Mitglied der Redaktionsausschüsse von ACM Transactions on Recommender Systems (ToRS), ACM Transactions on Social Computing (TSC) und ACM Transactions on Intelligent Systems and Technology (TIST).
