slides

Программа

Промо-лекция о курсе

Темы

1. Идея курса и краткий обзор занятий
2. Зачем нужны рекомендательные сервисы
3. Как организовано взаимодействие преподавателя и студентов

Семинар Обзор практической части курса

Рекомендательные сервисы в продакшене

Темы

1. Архитектуры известных рекомендательных сервисов: Mendeley, Netflix, Spotify, Youtube, Tiktok
2. Измеряем качество рекомендаций: метрики и A/B эксперименты

Семинар Измеряем эффект алгоритма рекомендаций с помощью A/B эксперимента

Метрики и базовые подходы

Темы

1. Спектр методов оценки качества рекомендательного сервиса
2. Метрики офлайн оценки: релевантность, покрытие, разнообразие, новизна, неожиданность

Семинар Сравниваем бейзлайн-рекомендеры офлайн и онлайн

Классические алгоритмы 1

Темы

1. Таксономия классических подходов в рекомендациях
2. Контентные рекомендеры
3. Коллаборативные рекомендеры: neighbourhood-based подход

Семинар Используем user-based модель для коллаборативных рекомендаций

Классические алгоритмы 2

Темы

1. Коллаборативные рекомендеры: model-based подход. Модификации SVD.

Семинар Используем lightfm модель для коллаборативных рекомендаций

Домашнее задание 1 Тюним модель рекомендаций в рамках kaggle-like соревнования

Нейросетевые рекомендеры 1: отбор кандидатов

Темы

1. Плавный переход от классических рекомендеров к нейросетевым
2. Примеры нейросетевых моделей для отбора кандидатов: NCF, DSSM, youtube, Bert4Rec, DFN
3. Проблемы нейросетевого подхода
4. Что работает и что не работает в продакшене

Семинар Пробуем NCF

Нейросетевые рекомендеры 2: ранжирование

Темы

1. Примеры нейросетевых моделей для ранжирований: youtube, wide & deep, deep & cross
2. Что работает и что не работает в продакшене

Семинар Пробуем нейросетевой ранкер

Графовые нейросеты для рекомендаций

Темы

1. Идея GNN
2. Применение GNN в рекомендациях

Семинар Пробуем GNN

Домашнее задание Улучшаем модель рекомендаций, чтобы победить бейзлайны с семинаров

Нерешенные проблемы и новые направления

Темы

1. Разнообразие рекомендаций
2. Объяснимые рекомендации
3. Несмещенные рекомендации

Семинар Пробуем разнообразить рекомендации

Рекомендации и Reinforcement Learning

Темы

1. Что RL может предложить в задаче рекомендаций, какие есть трудности с его применением
2. Exploration/Exploitation dilemma
3. Многорукие бандиты
4. Примеры применения полной постановки RL в рекомендациях

Семинар Разбор симулятора из ДЗ и AMA сессия