Recsys 2020 2021

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск

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

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