DLA ZAAWANSOWANYCH
Budowa systemów rekomendacyjnych
Opis szkolenia
Mechanizmy, które sugerują nam jaki film może nam się spodobać lub jaki produkt powinniśmy dodać jeszcze do koszyka podczas zakupów to rozwiązania znane dzisiaj każdemu użytkownikowi internetu. Sercem takich rozwiązań są systemy rekomendacyjne. To szkolenie pokrywa w warsztatowej formie, od podstaw, proces tworzenia takiego systemu. Omówione zostaną najczęściej wykorzystywane algorytmy, ich wady oraz zalety.
Czas trwania: 3 dni
Wymagania: Znajomość języka Python na poziomie średnio zaawansowanym (szczególnie w zakresie przetwarzania danych).
Plan szkolenia
Akt pierwszy: Od czegoś trzeba zacząć
- Czym są systemy rekomendacyjne
- Obszary zastosowań systemów rekomendacyjnych
Akt drugi: Algorytmy systemów rekomendacyjnych
- Rekomendacje oparte na treści (Content-based recommendation)
- Zastosowanie reguł asocjacyjnych w systemach rekomendacyjnych
- Nearest Neighbor Collaborative Filtering
- Matrix factorization
- Factorization Machines oraz Field Aware Factorization Machines
- Wprowadzenie do użycia sieci neuronowych w systemach rekomendacyjnych
Akt trzeci: Ewaluacja skuteczności systemów rekomendacyjnych
- Mean Average Precision at K (MAP@K)
- Mean Average Recall at K (MAR@K),
- Coverage,
- Personalization,
- Intra-list Similarity
Akt czwarty: Rozszerzenia systemów rekomendacyjnych
- Świadomość kontekstu (context awareness)
- Świadomość ryzyka (risk awareness)
Akt piąty: Wyzwania związane z systemami rekomendacyjnymi:
- Problemy związane z brakiem informacji w początkowej fazie działania systemu (cold start problem)
- Skalowalność
- Interpretowalność
Kontakt w sprawie szkolenia zamkniętego