系统 前沿与实践 网络技术 李东胜 等
杨强院士、刘欢教授、张俊林博士倾力！微软亚洲研究院、复旦大学等团队研究成果荟萃！
￥ 53.55 5.0折 ￥ 108 全新
库存3件
作者李东胜 等
出版社电子工业出版社
ISBN9787121435089
出版时间2022-06
版次1
装帧平装
开本16
页数284页
字数398千字
定价108元
货号xhwx_1202665375
上书时间2024-11-21
- 在售商品 暂无
- 平均发货时间 27小时
- 好评率 暂无
- 最新上架
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
主编：
"重温经典技术，推知前沿进展
详细阐述系统基本、落地经验与前沿技术进展
深入浅出系统的技术发展脉络
揭秘级系统的构建方法"
目录：
序
前言
章 系统概述
1.1 系统发展历史
1.1.1 基于内容的算法
1.1.2 基于协同过滤的算法
1.1.3 基于深度学的算法
1.2 系统
1.2.1 机器学视角下的系统
1.2.2 深度学系统新范式
1.2.3 系统常见架构
1.3 系统应用价值
1.3.1 系统的业务价值
1.3.2 、搜索与广告
1.3.3 系统的行业应用
1.4 小结
第2章 经典算法
2.1 基于内容的算法
2.1.1 基于结构化内容的
2.1.2 基于非结构化内容的
2.1.3 基于内容的优势与局限
2.2 基于协同过滤的算法
2.2.1 基于记忆的协同过滤算法
2.2.2 矩阵分解方法与因子分解机方法
2.3 小结
第3章 深度学基础
3.1 神经网络与前馈计算
3.2 反向传播算法
3.3 多种深度神经网络
3.3.1 卷积神经网络
3.3.2 循环神经网络
3.3.3 注意力机制
3.3.4 序列建模与预训练
3.4 小结
第4章 基于深度学的算法
4.1 深度学与协同过滤
4.1.1 基于受限玻尔兹曼机的协同过滤
4.1.2 基于自的协同过滤
4.1.3 深度学与矩阵分解
4.1.4 基于邻域的深度协同过滤
4.2 深度学与特征交互
4.2.1 afm模型
4.2.2 pnn模型
4.2.3 wide＆deep模型
4.2.4 deepfm模型
4.2.5 d模型
4.2.6 xdeepfm模型
4.2.7 autoint模型
4.2.8 特征交互的其他思路
4.3 图表示学与系统
4.3.1 图嵌入和图神经网络基础
4.3.2 图神经网络与协同过滤
4.3.3 图神经网络与社会化
4.4 序列与基于会话的
4.4.1 序列的动机、定义与分类
4.4.2 序列算法的分类
4.4.3 基于循环神经网络的序列
4.4.4 基于非自回归神经网络的序列建模
4.4.5 基于自注意力机制的序列
4.4.6 基于记忆神经网络的序列
4.4.7 用户、物品双序列建模
4.5 结合知识图谱的系统
4.5.1 加强用户——物品交互建模
4.5.2 图谱建模与物品的联合学
4.5.3 知识图谱增强物品的表示
4.5.4 可解释
4.6 基于强化学的算法
4.6.1 基于多臂的算法
4.6.2 强化学基础
4.6.3 基于强化学的算法
4.6.4 深度强化学的建模与优化
4.7 小结
第5章 系统前沿话题
5.1 算法研究热点
5.1.1 基于对话的
5.1.2 因果
5.1.3 常识
5.2 系统应用挑战
5.2.1 多源数据融合
5.2.2 可扩展
5.2.3 功能评估
5.2.4 冷启动问题
5.3 负责任的
5.3.1 用户隐私
5.3.2 可解释
5.3.3 算法偏见
5.4 小结
第6章 系统实践
6.1 级系统实现与架构
6.1.1 级系统的基本特征
6.1.2 系统的常见架构
6.1.3 系统的实现
6.2 系统典型应用实践
6.2.1 数据管理与预处理
6.2.2 算法选择与模型训练
6.2.3 评估指标与评估方式
6.3 基于云台的系统开发与运维
6.3.1 基于云台的系统的优点
6.3.2 基于云台的系统开发与运维
6.4 结
第7章 结与展望
参文献
内容简介：
系统是互联网时代极具商业价值的人工智能应用之一，30年来持续受到学术界和界的广泛关注。本书作者以一线研发人员的视角和经验，对系统进行结，尝试从与实践两个角度为读者剖析系统。本书首先从上介绍各类经典算法及前沿的深度学算法，然后分析系统领域发展的前沿话题和未来方向，后结合微软的开源项目microoft remender介绍系统的实践经验。读者可以基于本书提供的源代码，深入学算法的设计和实践方式，并可以基于本书从零开始快速搭建一个准确、高效的系统。本书不仅适合互联网、大数据等相关领域技术人员阅读，也适合高等院校计算机、软件工程、人工智能等专业的本科生和参。
作者简介：
"李东胜，博士，微软亚洲研究院（上海）研究经理，复旦大学计算机学院客座教授、兼职博导，中国计算机学会协同计算专业委员会委员。主要研究方向为机器学理论及应用，尤其是算法的准确、泛化能力、可扩展、安全与隐私等。来，在pna、nature cardiovacular reearch、icml、ni、iclr、igir、、kdd等相关领域的会议和期刊上发表80余篇。长期担任icml、ni、iclr、kdd、aaai、ijcai、cikm等学术会议的程序委员。曾任ibm中国研究院研究员，于2016—2019年连续4年获得ibm杰出技术成奖，开发的认知引擎在2018年获得ibm高奖——ibm corporate award。
练建勋，博士，于学技术大学，现任微软亚洲研究院主管研究员。研究方向主要包括系统、用户建模与深度学相关技术。在kdd、ijcai、、igir等多个国际会议上发表了多篇，相关的研究成果应用在必应广告、xbox游戏和微软新闻等多个场景上，获得了显著的提升效果。
张 乐，博士，人工智能架构师/监，主导面向金融应用的人工智能和机器学台开发。曾任微软数据科学家，负责开发应用于零售、媒体和娱乐行业的级系统在azure云台上的产品和解决方案。在人工智能及数据科学在多个行业的应用项目中担任主要开发和技术负责人。开源项目microoft remender的主要参与者之一。曾在kdd、icdm、等多个人工智能学术会议上发表及演讲。本科于哈尔滨大学，在新加坡南洋理工大学获得博士，曾在美国普渡大学交流访问。
任 侃，博士，现职于微软亚洲研究院并担任研究员。主要研究领域包括数据挖掘与机器学，特别是时空数据挖掘、序列建模与决策优化方法，及其在系统、医疗健康与金融等领域的应用。在数据挖掘与机器学领域会议和期刊上发表了20余篇，包括tkde、kdd、igir、aaai、iclr、icdm、wdm、cikm等。在浙江大学获得计算机科学与技术工学学士，在上海交通大学获得计算机科学与技术博士，并获得上海交通大学博士提名。
卢 暾，博士，复旦大学计算机科学技术学院教授，博士生导师，美国卡耐基梅隆大学（cmu）访问学者。现任中国计算机学会（ccf）协同计算专委秘书长、大数据专家委员会通讯委员、会员。长期从事ccw与社算、协同计算、系统与人机交互等方面的研究。作为项目负责人承担多项自然科学项目、科技部重点研发计划课题、863课题和上海市项目。研究成果发表在ccw、chi、ubip、ni、、igir、ieee tkde等领域会议和期刊上。多次担任ccw、chi等的ac，多个外学术会议的pc cochair，以及多个外学术期刊的ae和ge。
邬 涛，博士，微软azure gaming ervice部门数据科学主管。其团队专注于人工智能技术在游戏开发、内容创作和运营中的应用。开发的microoft remender开源项目是github上受欢迎的系统项目。在微软、诺基亚研究中心和麻省理工学院计算机科学与人工智能实验室（cail）长期负责研发和团队管理工作。
谢 幸，博士，微软亚洲研究院首席研究员，学技术大学兼职博士生导师，微软中科大联合实验室主任，中国计算机学会普适计算专委会副主任。其团队在数据挖掘、社算和普适计算等领域展开研究，在国际会议和学术期刊上发表了300余篇学术，共被引用4万余次。他是中国计算机学会会士、ieee会士、acm杰出会员。"
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价