2023/2024![Цель освоения дисциплины](/f/src/global/i/edu/objectives.svg)
![Планируемые результаты обучения](/f/src/global/i/edu/results.svg)
![Содержание учебной дисциплины](/f/src/global/i/edu/sections.svg)
![Промежуточная аттестация](/f/src/global/i/edu/intermediate_certification.svg)
![Список литературы](/f/src/global/i/edu/library.svg)
Рекомендательные системы
Статус:
Маго-лего
Кто читает:
Базовая кафедра Яндекс
Когда читается:
4 модуль
Охват аудитории:
для своего кампуса
Преподаватели:
Бронер Валентина Игоревна
Язык:
русский
Кредиты:
3
Контактные часы:
40
Программа дисциплины
Аннотация
Целью освоения дисциплины «Рекомендательные системы» является ознакомление с принципами работы рекомендательных систем и рассмотрение вопросов, связанных с особенностями проектирования, использования подобных систем. После прохождения курса студенты будут ориентироваться в методах построения и оценивания рекомендательных систем от базовых неперсонализированных подходов, рекомендаций, основанных на характеристиках контента (content-based), коллаборативной фильтрации до адаптивных и продвинутых, основанных на методах машинного обучения.
Цель освоения дисциплины
- ознакомление с принципами работы рекомендательных систем и рассмотрение вопросов, связанных с особенностями проектирования, использования подобных систем
Планируемые результаты обучения
- Уметь выбирать подходящие алгоритмы для построения моделей
- Уметь использовать сводную статистику
- Уметь объяснять ключевые концепции, лежащие в основе рекомендаций
- Уметь объяснять разницу между подходами,основанными на пользователях и предметах
- Уметь создавать профиль личных интересов
- Уметь создавать рекомендации по ассоциации продукта
- Уметь сочетать коллаборативную фильтрацию и рекомендации на основе содержимого
- Уметь строить рекомендации, основанные на коллаборативной фильтрации
Содержание учебной дисциплины
- Введение в рекомендательные системы.
- Неперсонализированные модели. Модели на основе контентой информации.
- Коллаборативная фильтрация
- Продвинутые методы построения моделей факторизации
- Учет контекстной информации в моделях
Промежуточная аттестация
- 2023/2024 учебный год 4 модуль0.3 * Дз 1 + 0.3 * Дз 2 + 0.4 * Контрольная работа
Список литературы
Рекомендуемая основная литература
- René Michel, Igor Schnakenburg, & Tobias von Martens. (2019). Targeting Uplift : An Introduction to Net Scores (Vol. 1st ed. 2019). Cham: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2247428
Рекомендуемая дополнительная литература
- Manouselis, N., Drachsler, H., Verbert, K., Duval, E. Recommender Systems for Learning. – Springer, 2013. – ЭБС Books 24x7.