Recsys 2020 2021

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

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

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