Recsys 2020 2021 — различия между версиями
(→Материалы курса) |
(→Материалы курса) |
||
| Строка 43: | Строка 43: | ||
| 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;" | '''5''' || Нейросетевые архитектуры, Часть 1. Объяснения рекомендаций (обзор литературы). || [https://drive.google.com/file/d/1vhrGS38oExtraxYM88IuTxp7j2OgXK3l/view?usp=sharing Слайды] || || || | ||
|- | |- | ||
| − | | style="background:#eaecf0;" | '''6''' || Нейросетевые архитектуры, Часть 2. || | + | | style="background:#eaecf0;" | '''6''' || Нейросетевые архитектуры, Часть 2. || [Обзор по статьям без слайдов] || || || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''7''' || Тестирование рекомендательных моделей. A/B тесты. RL подходы|| | + | | style="background:#eaecf0;" | '''7''' || Тестирование рекомендательных моделей. A/B тесты. RL подходы|| [https://drive.google.com/file/d/1HTGMrGEI3yiWUxvV2RKMjXaYNEei2jO_/view?usp=sharing Слайды] || || || |
|- | |- | ||
|} | |} | ||
Версия 22:29, 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 |
|---|---|
| Ананьева Марина Евгеньевна | Email Telegram |
| Игнатов Дмитрий Игоревич |
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
