RecSys 2023 - История изменений

Marina Ananyeva в 21:06, 15 сентября 2023

2023-09-15T21:06:54Z

← Предыдущая версия		Версия от 21:06, 15 сентября 2023
Строка 50:		Строка 50:
	! Неделя !! Тема !! Материалы !! Quiz !! Домашнее задание !! Дедлайн		! Неделя !! Тема !! Материалы !! Quiz !! Домашнее задание !! Дедлайн
	\|-		\|-
	\| style="background:#eaecf0;" \| '''1''' \|\| Введение в рекомендательные системы \|\| \|\| \|\| \|\|		\| style="background:#eaecf0;" \| '''1''' \|\| Введение в рекомендательные системы \|\| [https://github.com/anamarina/RecSys_course/tree/2023/week1 Лекция] \|\| \|\| \|\|
	\|-		\|-
	\| style="background:#eaecf0;" \| '''2''' \|\| Item/user-based, MF, CF \|\| \|\| \|\| \|\|		\| style="background:#eaecf0;" \| '''2''' \|\| Item/user-based, MF, CF \|\| \|\| \|\| \|\|

Marina Ananyeva в 20:19, 7 сентября 2023

2023-09-07T20:19:27Z

← Предыдущая версия		Версия от 20:19, 7 сентября 2023
Строка 30:		Строка 30:

	==Оценки==		==Оценки==
	[https://docs.google.com/spreadsheets/d/~~1RvuhuC1euQw0rSNANKWvG7wWSjiAiuWd~~/edit?usp=sharing&ouid=104963596150558587903&rtpof=true&sd=true Таблица с оценками]		[https://docs.google.com/spreadsheets/d/1YcIt-9AGwGhYj4vO6wnLUS5rZDrC83Wa/edit?usp=sharing&ouid=104963596150558587903&rtpof=true&sd=true Таблица с оценками]

	Оценка ставится по формуле:		Оценка ставится по формуле:

	'''Final grade = min(10, 0.3 * Home ~~Assignments~~ + 0.15 * Article Summary + 0.15 * Weekly Quizzes + 0.4 * Exam)''', где		'''Final grade = min(10, 0.3 * Home Assignment + 0.15 * Article Summary + 0.25 * Weekly Quizzes + 0.3 * Exam)''', где

	'''Home ~~Assignments~~''' - ~~3 домашних работы~~ в Jupyter Notebook (max 10 баллов ~~за каждую~~).		'''Home Assignment''' - 1 домашняя работа в Jupyter Notebook (max 10 баллов).

	'''Article Summary''' - конспект/презентация статьи из предложенного списка с критическим анализом (без выступления на семинаре) (max 10 баллов).		'''Article Summary''' - конспект/презентация статьи из предложенного списка с критическим анализом (без выступления на семинаре) (max 10 баллов).

	'''Weekly Quizzes''' - 7 квизов по мотивам материалов семинаров, которые сдаются перед началом следующего занятия в Google Forms (ариф.среднее за все квизы, max 10 баллов за каждый).		'''Weekly Quizzes''' - 6 квизов по мотивам материалов семинаров, которые сдаются перед началом следующего занятия в Google Forms (ариф.среднее за все квизы, max 10 баллов за каждый).

	'''Exam''' - письменный экзамен в формате решения case-study построения рекомендательной системы для бизнеса (max 10 баллов).		'''Exam''' - письменный экзамен в формате решения case-study построения рекомендательной системы для бизнеса (max 10 баллов).
Строка 48:		Строка 48:
	{\| class="wikitable"		{\| class="wikitable"
	\|-		\|-
	! Неделя !! Тема !! Материалы !! Quiz !! ~~Домашние~~ задание !! Дедлайн		! Неделя !! Тема !! Материалы !! Quiz !! Домашнее задание !! Дедлайн
	\|-		\|-
	\| style="background:#eaecf0;" \| '''1''' \|\| Введение в рекомендательные системы \|\| \|\| \|\| \|\|		\| style="background:#eaecf0;" \| '''1''' \|\| Введение в рекомендательные системы \|\| \|\| \|\| \|\|

Marina Ananyeva: Добавление новой страницы и ПУДа для RecSys курса 2023

2023-09-07T20:10:13Z

Добавление новой страницы и ПУДа для RecSys курса 2023

Новая страница

==О курсе==

Курс нацелен на формирование у слушателя достаточных знаний, навыков и компетенций для построения рекомендательных систем. Курс является прикладным и охватывает все продвинутые темы, необходимые для успешного применения как в индустрии, так и в академических исследованиях. Слушатели курса научатся правильной формализации задачи, выбору функций и метрик ранжирования, имплементации рекомендательных ML моделей на Python - от простой коллаборативной фильтрации до современных нейронных сетей.

Курс в 2023/2024 академическому году читается на 2 курсе магистратуры ФТИАД ФКН, однако студенты других курсов и факультетов могут быть вольными слушателями по согласованию с преподавателем и учебным офисом. Курс рассчитан на 7 сдвоенных занятий (14 пар).

== Цели и результаты курса ==

Главная цель - сформировать знания, умения и навыки по разработке рекомендательных систем в исследовательских и индустриальных задачах.

Планируемые результаты:
* Знать основные типы рекомендательных систем и алгоритмические подходы к решению задач ранжирования и рекомендаций пользователям;
* Уметь правильно формализовывать задачу, определять подходящее семейство алгоритмов, выбирать метрики оценки качества рекомендаций;
* Разрабатывать ML рекомендательные системы разной сложности на языке программирования Python;
* Владеть навыками использования линейной алгебры, теории вероятностей, математической статистики, теории оптимизации, дискретной математики и теории графов в практических приложения рекомендательных систем и поиска закономерностей данных
* Интерпретировать предсказания на локальном и глобальном уровнях моделей и использовать их для отладки рекомендательной системы

==Контакты==

Репозиторий курса: [https://github.com/anamarina/RecSys_course Github]

Чат курса: [https://t.me/+9MN5JL4xj5xjYTBi Telegram]

{| class="wikitable"
|-
! Преподаватель !! Контакты
|-
| style="background:#eaecf0;" |Ананьева Марина Евгеньевна || [mailto:ananyeva.me@gmail.com Email] [https://t.me/ananyevame Telegram]
|}

==Оценки==
[https://docs.google.com/spreadsheets/d/1RvuhuC1euQw0rSNANKWvG7wWSjiAiuWd/edit?usp=sharing&ouid=104963596150558587903&rtpof=true&sd=true Таблица с оценками]

Оценка ставится по формуле:

'''Final grade = min(10, 0.3 * Home Assignments + 0.15 * Article Summary + 0.15 * Weekly Quizzes + 0.4 * Exam)''', где

'''Home Assignments''' - 3 домашних работы в Jupyter Notebook (max 10 баллов за каждую).

'''Article Summary''' - конспект/презентация статьи из предложенного списка с критическим анализом (без выступления на семинаре) (max 10 баллов).

'''Weekly Quizzes''' - 7 квизов по мотивам материалов семинаров, которые сдаются перед началом следующего занятия в Google Forms (ариф.среднее за все квизы, max 10 баллов за каждый).

'''Exam''' - письменный экзамен в формате решения case-study построения рекомендательной системы для бизнеса (max 10 баллов).

==Материалы курса==

{| class="wikitable"
|-
! Неделя !! Тема !! Материалы !! Quiz !! Домашние задание !! Дедлайн
|-
| style="background:#eaecf0;" | '''1''' || Введение в рекомендательные системы || || || ||
|-
| style="background:#eaecf0;" | '''2''' || Item/user-based, MF, CF || || || ||
|-
| style="background:#eaecf0;" | '''3''' || Content based, Hybrid methods || || ||
|-
| style="background:#eaecf0;" | '''4''' || Sequential, Context-aware methods|| || || ||
|-
| style="background:#eaecf0;" | '''5''' || AE, VAE for RecSys || || || ||
|-
| style="background:#eaecf0;" | '''6''' || Graph-based approaches || || || ||
|-
| style="background:#eaecf0;" | '''7''' || Your First RecSys Service || || || ||
|-
|}

==Программное обеспечение==

* Python >= 3.9
* Jupyter Notebook
* pip3

==Список литературы==
1. Charu C. Aggarwal. Recommender Systems: The Textbook, Springer, April 2016 – Режим доступа: https://www.springer.com/gp/book/9783319296579

2. Recommender Systems Handbook. Francesco Ricci, Lior Rokach, Bracha Shapira (Eds.), Springer, 2022 – Режим доступа: https://link.springer.com/book/10.1007/978-1-0716-2197-4