Building Recommender Systems Using Large Language Models
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 53.49
-
22 184 Ft (21 128 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 20% (cc. 4 437 Ft off)
- Kedvezményes ár 17 748 Ft (16 902 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
22 184 Ft
Beszerezhetőség
Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadó Springer Nature Switzerland
- Megjelenés dátuma 2025. október 22.
- Kötetek száma 1 pieces, Book
- ISBN 9783032011510
- Kötéstípus Puhakötés
- Terjedelem213 oldal
- Méret 235x155 mm
- Nyelv angol
- Illusztrációk XXI, 213 p. 105 illus., 103 illus. in color. Illustrations, color 700
Kategóriák
Hosszú leírás:
"
This book offers a comprehensive exploration of the intersection between Large Language Models (LLMs) and recommendation systems, serving as a practical guide for practitioners, researchers, and students in AI, natural language processing, and data science. It addresses the limitations of traditional recommendation techniques—such as their inability to fully understand nuanced language, reason dynamically over user preferences, or leverage multi-modal data—and demonstrates how LLMs can revolutionize personalized recommendations. By consolidating fragmented research and providing structured, hands-on tutorials, the book bridges the gap between cutting-edge research and real-world application, empowering readers to design and deploy next-generation recommender systems.
Structured for progressive learning, the book covers foundational LLM concepts, the evolution from classic to LLM-powered recommendation systems, and advanced topics including end-to-end LLM recommenders, conversational agents, and multi-modal integration. Each chapter blends theoretical insights with practical coding exercises and real-world case studies, such as fashion recommendation and generative content creation. The final chapters discuss emerging challenges, including privacy, fairness, and future trends, offering a forward-looking roadmap for research and application. Readers with a basic understanding of machine learning and NLP will find this resource both accessible and invaluable for building effective, modern recommendation systems enhanced by LLMs.
" TöbbTartalomjegyzék:
Chapter 1 Introduction to LLMs.- Chapter 2 From Traditional to LLM-powered Recommendation Systems.- Chapter 3 LLM-enhanced recommendation system.- Chapter 4 LLM as recommendation system.- Chapter 5 Conversational recommendation systems.- Chapter 6 Leveraging Multi-Modal Data.- Chapter 7 Generative Recommendation and Planning Systems.- Chapter 8 Challenges and Trends in LLMs for Recommendation Systems.
Több
