Recsys 2020 2021

О курсе

Целями освоения дисциплины «Рекомендательные системы и поиск закономерностей в данных» являются овладение студентами основными методами рекомендательных систем и подходами к поиску закономерностей в данных, например, таких как базы транзакций и последовательностей. В ходе курса будут рассмотрены:
- Основные типы рекомендательных систем и алгоритмические подходы к решению задачи рекомендаций;
- Методы майнинга данных и поиска закономерностей в различных типах данных, включая транзакции и последовательности событий и транзакций;
- Методы проверки качества рекомендаций и достоверности выявленных закономерностей.

Программа курса: ПУД

Репозиторий курса: github

Контакты

Преподаватель	Контакты
Игнатов Дмитрий Игоревич	Email
Ананьева Марина Евгеньевна	Email Telegram

Программное обеспечение

• Python >= 3.6
• Jupyter Notebook
• pip3

Материалы курса

Неделя	Тема	Слайды	Дополнительные материалы	Домашнее задание	Дедлайн
1	Введение в рекомендательные системы. Метод скользящего контроля для оценки качества рекомендаций	Слайды Case study 1		Задание 1	20 ноября 2020
2	Частые множества и ассоциативные правила	Слайды		Задание 2	7 декабря 2020
3	Методы на основе матричных разложений	Слайды
4	Функции потерь. Метрики качества. Гибридные архитектуры рекомендательных моделей	Слайды
5	Нейросетевые архитектуры, Часть 1. Объяснения рекомендаций (обзор литературы).	Слайды
6	Нейросетевые архитектуры, Часть 2.	[Обзор по статьям без слайдов]
7	Тестирование рекомендательных моделей. A/B тесты. RL подходы	Слайды

Список литературы

1. Charu C. Aggarwal. Recommender Systems: The Textbook, Springer, April 2016 – Режим доступа: https://www.springer.com/gp/book/9783319296579

2. Recommender Systems Handbook. Francesco Ricci, Lior Rokach, Bracha Shapira (Eds.), Springer, 2015 – Режим доступа: https://www.springer.com/la/book/9781489976369