Recsys 2020 2021 — различия между версиями
(→О курсе) |
|||
| Строка 33: | Строка 33: | ||
! Семинар !! Тема !! Слайды!! Дополнительные материалы !! Домашнее задание !! Дедлайн | ! Семинар !! Тема !! Слайды!! Дополнительные материалы !! Домашнее задание !! Дедлайн | ||
|- | |- | ||
| − | | style="background:#eaecf0;" | '''1''' || Введение в рекомендательные системы || | + | | style="background:#eaecf0;" | '''1''' || Введение в рекомендательные системы || [https://www.dropbox.com/s/osig5de9o2nm7ok/RecSysIntro2020.pdf?dl=0 Слайды] || || || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''2''' || Коллаборативная фильтрация || | + | | style="background:#eaecf0;" | '''2''' || Коллаборативная фильтрация || - || || || |
|- | |- | ||
| style="background:#eaecf0;" | '''3''' || Частые множества и ассоциативные правила || || || || | | style="background:#eaecf0;" | '''3''' || Частые множества и ассоциативные правила || || || || | ||
Версия 18:37, 2 ноября 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
| Семинар | Тема | Слайды | Дополнительные материалы | Домашнее задание | Дедлайн |
|---|---|---|---|---|---|
| 1 | Введение в рекомендательные системы | Слайды | |||
| 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
