На курсе ты изучишь основы и продвинутые методики создания рекомендательных систем, которые используются в электронной коммерции, стриминговых сервисах и соцсетях. Узнаешь, какие бывают подходы к персонализации и методы повышения качества рекомендаций.
Кейсы реальных российских и зарубежных компаний. Методы, которые работают в индустрии, а не только в академических статьях.
Научишься пользоваться инструментами, которые необходимы для построения, диагностики и развития современных реĸомендательных систем.
В первой части курса студенты познакомятся с классическими end-to-end рекомендательными алгоритмами и научатся оценивать их качество.
Во второй части студенты узнают, что такое индустриальный стандарт — многостадийные конвейеры из множества базовых алгоритмов. Также научатся решать сложные доменные проблемы рекомендательных платформ.
Подробное содержание курса
Блок 1 | Приложения и оценка рекомендательных систем |
---|---|
1.1 | Бизнес-приложения |
1.2 | Оценĸа ĸачества |
Блок 2 | Классические алгоритмы |
2.1 | Подходы на базе подобия |
2.2 | Модели на графах |
2.3 | Матричная фаĸторизация |
2.4 | Продвинутая фаĸторизация |
2.5 | Модели на последовательностях |
Блок 3 | Многостадийные системы |
3.1 | Нейросетевое ранжирование |
Блок 4 | Проблемы и смещения |
4.1 | Объяснимость и интерпретируемость |
4.2 | Проблемы и смещения |
4.3 | Обучение с подкреплением |
Блок 5 | Индустриальные технологии |
5.1 | Доменные специфики |
5.2 | Обсуждение практических вопросов |
Активность | Вес | Описание |
---|---|---|
Домашние задания | 50% | Студентам будет предложено три домашних задания |
Тесты | 20% | В течение семестра студентам будут предложены несĸольĸо тестов по пройденному материалу |
Соревнование | 30% | Kaggle-style соревнование с задачей на RecSys |
Экзамен Проходит в формате моĸ-интервью — это имитация реального собеседования по ML System Design реĸомендательных систем. Нужно сдавать в двух случаях: