《推荐系统实践》PDF+《推荐系统与深度学习》PDF代码

区别于其他推荐算法书籍，《推荐系统与深度学习》引入了已被实践证明效果较好的深度学习推荐技术，包括Word2Vec、Wide & Deep、DeepFM、GAN 等技术应用，并给出了相关的实践代码；除了在算法层面讲解推荐系统的实现，还从工程层面详细阐述推荐系统如何搭建。

将深度学习技术应用到推荐系统当中，效果如何，《推荐系统与深度学习》进行了探讨。内容设置由浅入深，从传统的推荐算法过渡到近年兴起的深度学习技术。

学习参考：

《推荐系统与深度学习》PDF，215页，带书签目录，文字可以复制。配套源代码。

下载: https://pan.baidu.com/s/1uTT5Ai5Bg_w4ioSuEe1r3Q

提取码: i58p

《推荐系统与深度学习》的几位作者都在大型互联网公司从事与推荐系统相关的实践与研究，通过这本书，把推荐系统工作经验予以总结，以帮助想从事推荐系统的工作者或推荐系统爱好者。

《推荐系统实践》PDF，215页，带目录，文字可以复制，项亮著。

《数学之美第2版》PDF，345页，带书签，文字可以复制，吴军著。

下载: https://pan.baidu.com/s/1pKqW4ilQCzdy1SIlk9V7vw

提取码: 3gmw

《推荐系统实践》采用数据分类的方法，每一章都介绍了一种可以用于推荐系统设计的、新类型的用户数据，然后介绍如何通过各种方法利用该数据，最后在公开数据集上评测这些方法。当然，不是所有数据都有公开的数据集，并且不是所有算法都可以进行离线评测。因此，在遇到没有数据集或无法进行离线评测的问题时，引用一些著名学者的实验结果来说明各种方法的效果。

读了《数学之美第2版》，才发现大学时学的数学知识，比如马尔可夫链、矩阵计算，甚至余弦函数原来都如此亲切，并且栩栩如生，才发现自然语言和信息处理这么有趣。在纸本书的创作中，作者吴军博士几乎把所有文章都重写了一遍，为的是把高深的数学原理讲得更加通俗易懂，让非专业读者也能领略数学的魅力。读者通过具体的例子学到的是思考问题的方式 —— 如何化繁为简，如何用数学去解决工程问题，如何跳出固有思维不断去思考创新。新版增加了大数据和机器学习等最新内容，以满足人们对当下技术的学习需求；同时，根据专家和读者的反馈更正了错漏，并更新了部分内容。