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.
Активность | Вес | Описание | Блокер |
---|---|---|---|
Домашние задания | 50% | Студентам будет предложено три домашних задания | Суммарный балл за домашние задания, тесты и соревнование — не менее 4 |
Тесты | 20% | В течение семестра студентам будут предложены несĸольĸо тестов по пройденному материалу | |
Соревнование | 30% | Kaggle-style соревнование с задачей на RecSys |
Формула расчёта накопительной части оценки 0,5 × среднее за домашние задания + 0,2 × среднее за тесты + 0,3 × соревнование.