Магистратура
2026/2027
Рекомендательные системы
Статус:
Курс по выбору (Финансовые технологии и анализ данных)
Кто читает:
Базовая кафедра Сбер
Где читается:
Факультет компьютерных наук
Когда читается:
2-й курс, 1 модуль
Охват аудитории:
для своего кампуса
Язык:
русский
Кредиты:
3
Контактные часы:
28
Программа дисциплины
Аннотация
Дисциплина преподается с целью ознакомления слушателей с подходами к решению задач построения рекомендательных систем для бизнеса на основе лучших практик индустрии. Приобретаемые навыки: умение комбинировать и применять методы машинного обучения в специфике рекомендательных систем на основании принятых в индустрии практик, зарекомендовавших себя в бизнесе.
Цель освоения дисциплины
- Формирование знаний, умений и навыков проектирования рекомендательных систем и моделей персонализации на основе методов машинного обучения.
Планируемые результаты обучения
- Владеть навыками построения рекомендательных систем с учетом специфичных инструментов и методов
- Уметь проектировать и применять методы рекомендательных и персонализации систем в бизнес-практике
- Знать принятые в индустрии методы и тренды развития методов персонализации
- Реализовать модель / ансамбль моделей на основе заданного набора данных. Модель демонстрирует уровень качества не ниже заранее заданного значения метрики.
- Реализовать методы персонализации в диалоге с Ассистентом. Построенный Ассистент демонстрирует уровень качества по критериям корректности ответов в диалоге с пользователем.
- Достигать требуемого уровня метрики качества при построении методов персонализации на модельном наборе данных.
Содержание учебной дисциплины
- Персонализация - основы
- Формализация задач персонализации и рекомендательных систем
- Персонализация в индустрии развлечений
- Персонализация в индустрии электронной коммерции
- Ассистенты и диалоговые механики персонализации
- Агентные системы персонализации
- Персонализация в диалоге на основе function calling
Элементы контроля
- Лабораторная работа 1Построение методов персонализации на заданном наборе данных. Использование классических методов.
- Лабораторная работа 2Построение методов персонализации на основе диалогового ассистента / ИИ-Помощника.
- ЭкзаменПостроение методов персонализации на заданном модельном наборе данных.
Промежуточная аттестация
- 2026/2027 1st module0.4 * Экзамен + 0.3 * Лабораторная работа 1 + 0.3 * Лабораторная работа 2
Список литературы
Рекомендуемая основная литература
- Фальк, К. Рекомендательные системы на практике : руководство / К. Фальк , перевод с английского Д. М. Павлова. — Москва : ДМК Пресс, 2020. — 448 с. — ISBN 978-5-97060-774-9. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/179458 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
Рекомендуемая дополнительная литература
- Сорокин, А. Б. Рекомендательные системы: анамнестические и модельные методы : учебно-методическое пособие / А. Б. Сорокин, Л. М. Железняк, Р. Э. Семенов. — Москва : РТУ МИРЭА, 2022. — 65 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/265739 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.