2、推荐系统入门：从现实案例到网络应用

推荐系统入门：从现实案例到网络应用

在当今数字化的时代，推荐系统无处不在，它影响着我们的购物、娱乐等方方面面。下面我们就来深入了解推荐系统的相关知识。

1. 资源获取与代码约定

• 代码下载 ：运行示例网站 MovieGEEKs 所需的代码可从出版商网站（www.manning.com/books/practical-recommender-systems）下载，也能在 Github（http://mng.bz/04K5）上找到。该网站使用 Django 平台实现，会用到两个数据集，一个是自动生成的，另一个从 MovieTweetings 下载。所有安装说明可在 GitHub 网站上找到。
• 代码约定 ：代码在书中以编号列表和嵌入正文两种形式呈现，均采用等宽字体与普通文本区分。有时代码会加粗，以突出与前文相比有变化的部分。原始代码常被重新格式化，添加换行和调整缩进以适应页面空间。少数情况下会使用行继续标记（➥），并且当代码在文中有描述时，列表中常去除注释。许多代码列表会有注释，突出重要概念。

2. 作者与封面介绍

• 作者简介 ：Kim Falk 是一位经验丰富的数据科学家，热衷于推荐系统和机器学习。他自 2010 年起从事大数据和机器学习相关工作，训练过推荐系统为用户提供电影选择、投放广告，还帮助律师查找判例法内容。他常就推荐系统发表演讲和撰写文章，个人网站为 http://kimfalk.org。
• 封面插画 ：推荐系统相关书