推薦システム　統計的機械学習の理論と実践

推薦システムで生ずる統計的課題を包括的に扱うためには、適応的逐次計画（多腕バンディット手法）、双線形ランダム効果モデル（行列分解）、ＭａｐＲｅｄｕｃｅを用いた拡張性の高いモデルの当てはめ、などの最先端の技術の詳細な議論が必要である。推薦システムで用いられる複雑な概念を、Ｙａｈｏｏ！およびＬｉｎｋｅｄＩｎにおける大規模システムでの開発／運用経験をもとに具体性のある説明を行い、理論と実践のギャップを埋めている。

推薦システムの構築を検討しているエンジニアにとって，現実的な課題に対峙するための知識を得るために最適な一冊。
本書は，推薦システムにおける課題設定，理論およびシステム構築の複雑な概念を，著者の大規模システムでの開発／運用事例をもとに具体的な説明を行っている。理論と実践の両面から記述している書籍は少ないが，本書では理論と実践のギャップを埋めるように解説している。また，実システム上でのモデルの効率的なアップデートやコールドスタート問題などの現実的に直面する問題への対応や，多目的最適化についても述べており，現実世界の問題を解くための足がかりとなる内容となっている。推薦システムの構築について，古典的手法から応用的手法までを，各手法の課題に触れながら説明しているため，実務で応用可能な理論的／技術的な知識を獲得することが出来る。

目次

第１部　導入（古典的手法
推薦問題における探索と活用
推薦システムの評価）
第２部　一般的な問題設定（問題設定とシステム構成
Ｍｏｓｔ‐Ｐｏｐｕｌａｒ推薦
素性ベクトルベースの回帰による個別化
因子モデルによる個別化）
第３部　高度な話題（潜在ディリクレ分配による因子分解
コンテキスト依存推薦
多目的最適化）

本の帯に関して

帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。

版・表紙について

版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。