توضیحات
کتاب Building Recommender Systems Using Large Language Models به بررسی نقطه تلاقی هیجانانگیز مدلهای زبانی بزرگ (LLM) و سیستمهای توصیهگر میپردازد و به عنوان منبعی پیشرو برای پژوهشگران و مهندسان داده عمل میکند. نویسنده با نقد محدودیتهای سنتی در سیستمهای توصیهگر، نشان میدهد که چگونه مدلهای زبانی میتوانند با درک تفاوتهای ظریف زبانی و استدلال پویا، تجربه شخصیسازیشده کاربران را به کلی دگرگون کنند.
ساختار کتاب به گونهای طراحی شده که از مفاهیم اولیه مدلهای زبانی شروع شده و به سمت موضوعات پیچیدهتری نظیر عوامل گفتگویی (Conversational Agents) و سیستمهای چندوجهی حرکت میکند. در کنار مباحث تئوریک، تمرینهای کدنویسی و مطالعات موردی در حوزههایی مانند مد و تولید محتوا ارائه شده تا پل ارتباطی میان تحقیقات آکادمیک و کاربردهای تجاری برقرار شود.
ویژگی های کتاب
- تحلیل جامع تحول سیستمهای توصیهگر کلاسیک به سیستمهای مبتنی بر هوش مصنوعی مولد.
- آموزش پیادهسازی سیستمهای توصیهگر پایانبهپایان (End-to-End) با مدلهای زبانی.
- بررسی ادغام دادههای چندوجهی (Multi-modal) در فرآیند پیشنهاددهی به کاربر.
- تمرکز بر چالشهای اخلاقی از جمله حریم خصوصی و عدالت در الگوریتمهای هوش مصنوعی.
- ارائه آموزشهای گامبهگام و پروژههای عملی برای طراحی نسل بعدی سیستمهای هوشمند.
مشخصات کتاب
- ناشر: Springer
- مدرس: Jianqiang (Jay) Wang
- تعداد صفحات: 229
- تعداد فصل ها: 8
- فرمت: PDF
سرفصلها
Front Matter
Introduction to LLMs
From Traditional to LLM-Powered Recommendation Systems
LLM-Enhanced Recommendation Systems
LLM as Recommender
Conversational Recommendation Systems
Leveraging Multi-modal Data
Generative Recommendation and Planning Systems
Challenges and Trends in LLMs for Recommendation Systems
Back Matter
تصاویر

راهنمای استفاده
فایل را اکسترکت و با نرم افزار مناسب اجرا کنید.
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
6 مگابایت













































