買這商品的人也買了...
-
$245雲計算架構設計模式 -
實用 C 語言程式設計入門$490$417 -
Python 科學計算及實踐$534$507 -
SaaS 商業實戰：好模式如何變成好生意$534$507 -
$305機器學習入門與實戰 — 基於 scikit-learn 和 Keras -
$403大數據用戶行為畫像分析實操指南 -
銷售 AI 化！看資料科學家如何思考, 用 Python 打造能賺錢的機器學習模型$620$490 -
集成式學習：Python 實踐！整合全部技術，打造最強模型 (Hands-On Ensemble Learning with Python: Build highly optimized ensemble machine learning models using scikit-learn and Keras)$750$593 -
$356集成學習入門與實戰：原理、算法與應用 -
$458Python 數據結構和算法實戰, 2/e (Hands-On Data Structures and Algorithms with Python: Write complex and powerful code using the latest features of Python 3.7, 2/e) -
$305網絡安全技術與實訓, 5/e (微課版) -
$760模式分類（原書第2版·典藏版） -
$658智能計算：原理與實踐 -
聯邦學習：算法詳解與系統實現$594$564 -
$254數據結構（Python版） -
$357精通 Microsoft 365 雲計算管理 SharePoint Online 篇 -
$199算法深潛：勇敢者的Python探險 -
$356數據結構（Python版） -
Amazon Web Services 雲計算實戰, 2/e$779$740 -
精通 Transformer : 從零開始構建最先進的 NLP 模型$594$564 -
$658高級 Python 核心編程開啟精通 Python 編程世界之旅 -
$505python核心編程：從入門到實踐：學與練 -
$560Python 開發實例大全 上捲 -
$560Python 開發實例大全 下捲 -
$607前端工程化 : 基於 Vue.js 3.0 的設計與實踐
相關主題
商品描述
《商業化推薦系統服務應用實戰》主要從企業的商業模式出發，
結合作者對企業生命週期發展階段的分析和判斷，
對如何設計與實施推薦系統服務的商業化過程和相關業務實踐進行介紹和分享。
本書涵蓋了從推薦服務的商業創新模式到需求與解決方案管理、商業化版本發布、
工作流支持以及績效KPI體系設計和跨職能團隊的溝通技術等方面的內容，
著重體現了現代商業化產品生態中，跨職能團隊的密切協作與商業化服務的可靠交付的價值。
《商業化推薦系統服務應用實戰》適合軟件創新型企業的團隊領導者、決策者閱讀，
同時對希望通過商業智能技術對企業進行轉型的領導者、執行者也有指導作用。
目錄大綱
前言
第1章 商業化推薦服務/
1.1 從推薦開始的商業創新/
1.1.1 商業模式識別與推薦服務/
1.1.2 企業生命週期視角下的推薦服務/
1.2 商業化推薦系統服務的企業驅動力/
1.3 小結/
第2章 商業化推薦服務的需求管理/
2.1 需求的出發點和分析/
2.2 需求的演進：伴隨業務更新的變更/
2.3 小結/
第3章 商業化推薦服務解決方案/
3.1 從提供服務到解決方案的進化之路/
3.2 深入客戶業務的解決方案/
3.2.1 客戶需要的答案/
3.2.2 回答問題：來自解決方案的業務坐標/
3.2.3 推薦服務的業務交付/
3.3 推薦服務使用的技術/
3.3.1 選擇正確的方向/
3.3.2 推薦服務中的算法模型/
3.3.3 推薦服務的上下文環境/
3.3.4 推薦服務的冷啟動/
3.4 小結/
第4章 服務建模與商業化發布/
4.1 使用版本控制的建模體系/
4.2 商業化API與定價/
4.2.1 選擇：設計優先還是API優先/
4.2.2 機器學習服務API設計/
4.2.3 商業化API定價策略/
4.3 使用SDK向客戶的端到端交付/
4.3.1 SDK架構設計/
4.3.2 SDK商業化定價/
4.4 小結/
第5章 支撐商業化推薦服務的高效工作流/
5.1 構建穩定可靠的流水線/
5.2 工作流的可持續性設計/
5.2.1 工作流中的參數評估/
5.2.2 流水線中的模型版本管理/
5.3 小結/
第6章 商業化推薦服務的績效KPI體系設計/
6.1 競技場中的對手：競品分析/
6.2 讓服務運營交付保持狀態：績效KPI指標體系/
6.3 小結/
第7章 商業化高級技能：跨職能溝通技術/
7.1 圍繞商業價值的技術營銷/
7.2 在需求管理中有效溝通/
7.3 讓團隊在問題的解決中成長/
7.4 服務上線運營中的跨職能溝通/
7.5 小結/
第8章 商業化推薦服務案例：餐飲業務整合推薦服務/
8.1 企業的難題/
8.2 拿出解決方案/
8.3 使用正確合理的推薦系統提升商業價值/
8.4 小結/
附錄/
附錄A 機器學習相關重要論文/
附錄B 績效KPI體系設計與通用示例/
