Fr. 57.50

Système de recommandation de films utilisant un réseau neuronal à convolution - Améliorer la recommandation de films grâce à un regroupement avancé avec des réseaux neuronaux convolutifs

French · Paperback / Softback

Shipping usually within 2 to 3 weeks (title will be printed to order)

Description

Read more

Les stratégies de recommandation basées sur le web, connues sous le nom de RS, sont devenues de plus en plus pertinentes et largement utilisées en raison de la grande quantité d'informations disponibles en ligne. La demande de systèmes personnalisés et filtrés ne cesse donc de croître. Les systèmes de recommandation sont des dispositifs de filtrage de l'information qui s'attaquent au problème de la surcharge d'informations en extrayant des informations cruciales d'immenses données générées en permanence. Ils prédisent les évaluations ou les préférences des utilisateurs à l'égard de certains éléments, ce qui facilite la prise de décision. Ce travail explore divers systèmes et algorithmes de recommandation appliqués spécifiquement aux recommandations de films.

About the author










La signora Jyoti Kumari lavora come professore assistente presso l'ITM di Gwalior. Ha pubblicato numerosi lavori di ricerca in conferenze e riviste rinomate. La sua area di ricerca è l'apprendimento automatico e la scienza dei dati. È tutor di studenti universitari in progetti di ricerca relativi all'apprendimento automatico.

Product details

Authors Jyoti Kumari, Sanjiv Sharma, Pradeep Yadav
Publisher Editions Notre Savoir
 
Languages French
Product format Paperback / Softback
Released 29.06.2023
 
EAN 9786206192725
ISBN 9786206192725
No. of pages 84
Subject Natural sciences, medicine, IT, technology > IT, data processing > Application software

Customer reviews

No reviews have been written for this item yet. Write the first review and be helpful to other users when they decide on a purchase.

Write a review

Thumbs up or thumbs down? Write your own review.

For messages to CeDe.ch please use the contact form.

The input fields marked * are obligatory

By submitting this form you agree to our data privacy statement.