RecSys 2021 2022 — различия между версиями
(→Материалы курса) |
(→Материалы курса) |
||
| (не показана одна промежуточная версия этого же участника) | |||
| Строка 28: | Строка 28: | ||
{| class="wikitable" | {| class="wikitable" | ||
|- | |- | ||
| − | ! Неделя !! Тема !! Материалы !! | + | ! Неделя !! Тема !! Материалы !! Домашние задание !! Дедлайн |
|- | |- | ||
| style="background:#eaecf0;" | '''1''' || Введение в рекомендательные системы || https://github.com/anamarina/RecSys_course/blob/main/week1/RecSys.Week1.pdf || || | | style="background:#eaecf0;" | '''1''' || Введение в рекомендательные системы || https://github.com/anamarina/RecSys_course/blob/main/week1/RecSys.Week1.pdf || || | ||
|- | |- | ||
| − | | style="background:#eaecf0;" | '''2''' || Бейзлайны MF. ALS || https://github.com/anamarina/RecSys_course/tree/main/week2|| || | + | | style="background:#eaecf0;" | '''2''' || Бейзлайны MF. ALS || https://github.com/anamarina/RecSys_course/tree/main/week2|| https://github.com/anamarina/RecSys_course/tree/main/hw || 18 октября 2021, 23:59 |
|- | |- | ||
| style="background:#eaecf0;" | '''3''' || Контентные & гибридные модели ||https://github.com/anamarina/RecSys_course/tree/main/week3 || || | | style="background:#eaecf0;" | '''3''' || Контентные & гибридные модели ||https://github.com/anamarina/RecSys_course/tree/main/week3 || || | ||
|- | |- | ||
| − | | style="background:#eaecf0;" | '''4''' || | + | | style="background:#eaecf0;" | '''4''' || Data mining для RecSys. FP дерево || https://www.dropbox.com/s/q3v478dtbz7huno/PatternMiningIntro_2020.pdf?dl=0 || || |
|- | |- | ||
| style="background:#eaecf0;" | '''5''' || || || || | | style="background:#eaecf0;" | '''5''' || || || || | ||
Текущая версия на 21:14, 1 октября 2021
Содержание
О курсе
Целями освоения дисциплины «Рекомендательные системы» 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 проверки качества рекомендаций и достоверности выявленных закономерностей.
Программа курса: [ ПУД]
Репозиторий курса: github
Контакты
| Преподаватель | Контакты |
|---|---|
| Ананьева Марина Евгеньевна | Email Telegram |
Программное обеспечение
- Python >= 3.7
- Jupyter Notebook
- pip3
Материалы курса
| Неделя | Тема | Материалы | Домашние задание | Дедлайн |
|---|---|---|---|---|
| 1 | Введение в рекомендательные системы | https://github.com/anamarina/RecSys_course/blob/main/week1/RecSys.Week1.pdf | ||
| 2 | Бейзлайны MF. ALS | https://github.com/anamarina/RecSys_course/tree/main/week2 | https://github.com/anamarina/RecSys_course/tree/main/hw | 18 октября 2021, 23:59 |
| 3 | Контентные & гибридные модели | https://github.com/anamarina/RecSys_course/tree/main/week3 | ||
| 4 | Data mining для RecSys. FP дерево | https://www.dropbox.com/s/q3v478dtbz7huno/PatternMiningIntro_2020.pdf?dl=0 | ||
| 5 | ||||
| 6 | ||||
| 7 |
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
