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 | |
Экзамен Проходит в формате моĸ-интервью — это имитация реального собеседования по ML System Design реĸомендательных систем. Нужно сдавать в двух случаях: