Recsys 2020 2021 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(Новая страница: «==О курсе== Целями освоения дисциплины «Рекомендательные системы и поиск закономерносте…»)
 
(О курсе)
Строка 7: Строка 7:
  
 
Программа курса: [https://drive.google.com/file/d/14AQTnE4iMcLtv_3RD15RKsgwT3w-RuQo/view?usp=sharing ПУД]
 
Программа курса: [https://drive.google.com/file/d/14AQTnE4iMcLtv_3RD15RKsgwT3w-RuQo/view?usp=sharing ПУД]
 +
 +
Репозиторий курса: [https://github.com/anamarina/hse_recsys_2020 github]
  
 
==Контакты==
 
==Контакты==

Версия 16:29, 2 ноября 2020

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

Семинар Тема Слайды Дополнительные материалы Домашнее задание Дедлайн
1 Введение в рекомендательные системы
2 Коллаборативная фильтрация
3 Частые множества и ассоциативные правила
4 Методы на основе матричных разложений
5 Функции потерь для ранжирования. Метрики качества
6 Поиск частых последовательностей
7 Гибридные рекомендательные системы
8 Ансамбли рекомендательных алгоритмов
9 Контентные рекомендательные системы. Объяснение рекомендаций
10 Спектральная кластеризация
11 Обзор DL методов для рекомендаций
12 Контекстные нейросетевые рекомендательные системы
13 Модели на основе графа знаний
14 Обучение с подкреплением в рекомендательных системах

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