Recsys 2020 2021 — различия между версиями
Материал из Wiki - Факультет компьютерных наук
(→О курсе) |
(→Контакты) |
||
| (не показано 19 промежуточных версии этого же участника) | |||
| Строка 18: | Строка 18: | ||
| style="background:#eaecf0;" | Игнатов Дмитрий Игоревич || [mailto:dignatov@hse.ru Email] | | style="background:#eaecf0;" | Игнатов Дмитрий Игоревич || [mailto:dignatov@hse.ru Email] | ||
|- | |- | ||
| − | | style="background:#eaecf0;" | Ананьева Марина Евгеньевна || [mailto:ananyeva.me@gmail.com Email] [https://t.me/ananyevame Telegram] | + | | style="background:#eaecf0;" |Ананьева Марина Евгеньевна || [mailto:ananyeva.me@gmail.com Email] [https://t.me/ananyevame Telegram] |
|} | |} | ||
| Строка 31: | Строка 31: | ||
{| class="wikitable" | {| class="wikitable" | ||
|- | |- | ||
| − | ! | + | ! Неделя !! Тема !! Слайды!! Дополнительные материалы !! Домашнее задание !! Дедлайн |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''1''' || Введение в рекомендательные системы || [https://www.dropbox.com/s/osig5de9o2nm7ok/RecSysIntro2020.pdf?dl=0 Слайды] || || || | + | | style="background:#eaecf0;" | '''1''' || Введение в рекомендательные системы. Метод скользящего контроля для оценки качества рекомендаций || [https://www.dropbox.com/s/osig5de9o2nm7ok/RecSysIntro2020.pdf?dl=0 Слайды] <br>[https://www.dropbox.com/s/0fyhrktzj8lmu3o/Case%201.%20%D0%A0%D0%B5%D0%BA%D0%BE%D0%BC%D0%B5%D0%BD%D0%B4%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B.pdf?dl=0 Case study 1] || ||[https://github.com/anamarina/hse_recsys_2020/blob/main/week1/home_assignment_1.ipynb Задание 1] || 20 ноября 2020 |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''2''' || | + | | style="background:#eaecf0;" | '''2''' || Частые множества и ассоциативные правила || [https://www.dropbox.com/s/q3v478dtbz7huno/PatternMiningIntro_2020.pdf?dl=0 Слайды] || || [https://www.dropbox.com/s/o5qrej47mdftnuy/HW_FIM_FinTech_2020.pdf?dl=0 Задание 2] || 7 декабря 2020 |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''3''' || | + | | style="background:#eaecf0;" | '''3''' || Методы на основе матричных разложений || [https://www.dropbox.com/s/5fn5bsjgd3wwfcz/RecSys_MF_2019.pdf?dl=0 Слайды] || || || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''4''' || | + | | style="background:#eaecf0;" | '''4''' || Функции потерь. Метрики качества. Гибридные архитектуры рекомендательных моделей || [https://drive.google.com/file/d/1opBGWaFUbnimkjb7fcoaAe4ghdTo9gcK/view?usp=sharing Слайды] || || || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''5''' || | + | | style="background:#eaecf0;" | '''5''' || Нейросетевые архитектуры, Часть 1. Объяснения рекомендаций (обзор литературы). || [https://drive.google.com/file/d/1vhrGS38oExtraxYM88IuTxp7j2OgXK3l/view?usp=sharing Слайды] || || || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''6''' || | + | | style="background:#eaecf0;" | '''6''' || Нейросетевые архитектуры, Часть 2. || [Обзор по статьям без слайдов] || || || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''7''' || | + | | style="background:#eaecf0;" | '''7''' || Тестирование рекомендательных моделей. A/B тесты. RL подходы|| [https://drive.google.com/file/d/1HTGMrGEI3yiWUxvV2RKMjXaYNEei2jO_/view?usp=sharing Слайды] || || || |
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
|- | |- | ||
|} | |} | ||
Текущая версия на 22:34, 15 декабря 2020
Содержание
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 | |
| 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 |
Оценки
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
