Your Second RecSys

Трек для глубокого изучения рекомендательных систем на практике

Этот курс является прямым продолжением курса Your First RecSys от команды рекомендательных систем компании МТС. На прошлом курсе вы научились предобрабатывать данные, построили первую рекомендательную модель, посчитали метрики и немного затронули все проблемы в RecSys. 
На этом курсе мы более подробно коснемся проблемы оценки эффекта влияния рекомендательной модели на продукт и способы измерения этого влияния, построим production систему от файлика в ноутбучке до real-time микросервисной архитектуры, и, конечно, научимся использовать более сложные модели, а именно: двухуровневые и нейросетевые. Вас ждут лекции от разных экспертов МТС, примеры с кодом и соревнование на реальных данных в конце курса.
 

Курс состоит из трех частей:


1. Your first money / experiment 

  • Бизнес-эффект от рекомендаций   
  • Дополнительные методы оценки качества рекомендаций

2. Your first prod

  •  Рекомендации в проде
  • Ускорение рекомендаций в проде

3. Your second model 

  • Двухэтапная модель 
  • Нейросетевая матричная факторизация и dssm
     

Репозиторий с кодом

Официальный канал: #course_recsys в ODS.ai Slack. Если вы ещё не зарегистрированы, присоединиться к сообществу можно по ссылке

Телеграм группа 

Track program

Бизнес-эффект от рекомендаций

Бизнес-эффект от рекомендаций

Мы расскажем о том, как можно оценивать эффект от влияния рекомендаций на продукт, зачем делать А/Б тест и что с помощью него оценивать. В конце мы поговорим о том, как можно связывать оффлайн и онлайн метрики( бизнесовые метрики) в рекомендательных системах, также обсудим проблему bias и feedback loop.

recsys

954+3
Дополнительные методы оценки качества рекомендаций

Дополнительные методы оценки качества рекомендаций

Занятие состоит из двух частей - теории и практики. В первой половине лекции обсудим способы получения качественной оценки качества рекомендаций. В частности, познакомимся с «визуальным анализом» - методом оценки рекомендательной системы «глазами», узнаем кто такие «аватары» и как они применяются. Во второй половине теоретической части поговорим о таких свойствах рекомендаций как разнообразие и новизна: зачем они нужны, как их оценивать и оптимизировать.

recsys

953+1
Рекомендации в проде

Рекомендации в проде

На лекции обсудим, что такое production (прод) для рекомендательных систем и зачем он нужен. Затем рассмотрим различные варианты реализации прода - offline, nearine, online - и поговорим о том, когда какой вариант лучше использовать. После чего детально рассмотрим как грамотно построить офлайн-продд, какие инструменты использовать и на что обратить внимание. В конце осветим несколько общих моментов про то, как сделать прод лучше.

recsys

1561+1
Ускорение рекомендаций в проде

Ускорение рекомендаций в проде

На лекции поговорим про некоторые способы ускорения инференса рекомендательных систем преимущественно в nearline/online сеттингах. В частности, обсудим методы приближенного поиска соседей, почему их можно применять и какие могут быть трудности и ограничения. Подробнее разберем один. Также немного затронем тему кэширования.

recsys

954+2
Двухэтапная модель

Двухэтапная модель

В этой лекции вас ждет рассказ про двухуровневую или двухэтапную модель. Мы разберем в теории и на примере с кодом зачем ее строить, какие модели стоит использовать на каждом этапе. Как правильно собрать трейн и тест и настроить схему валидации. Первая часть лекции - теория, вторая - практика на датасете от онлайн-кинотеатра Кион.

recsysmodelboosting

932+3
Нейросетевая матричная факторизация и dssm (Теория)

Нейросетевая матричная факторизация и dssm (Теория)

Мы поговорим о применении нейросетевых подходов для построения рекомендаций.

recsysmodelDSSMneural nets

822+1
Нейросетевая матричная факторизация и dssm (Практика)

Нейросетевая матричная факторизация и dssm (Практика)

recsysmodelDSSMneural nets

932+2
RecSys Competition

RecSys Competition

October 29

December 17

1853+9

Related Tracks

Cookies help us deliver our services. By using our services, you agree to our use of cookies.