Подход автоматизированного машинного обучения к задаче рекомендательных систем

Данная работа посвящена актуальной теме автоматизации в машинном обучении на примере создания рекомендательной системы на основе AutoML подхода. Такие автоматизированные системы машинного обучения востребованы на рынке благодаря избавлению аналитиков данных от большого количества рутинных операций обработки данных, а также тестированию различных комбинаций параметров для поиска оптимальной модели. В работе описываются различные типы рекомендательных систем, акцент делается на подходы коллаборативной фильтрации, формулируются методы автоматизации машинного обучения, на основе которых разработана данная рекомендательная система. Проверка эффективности предложенного подхода основывается на сравнение качества работы созданных рекомендательных систем с применением AutoML подхода и без него. Результатом данной работы является сравнительный анализ разработанных различных рекомендательных алгоритмов (систем), который показывает, что рекомендательная система на основе AutoML подхода имеет лучшие показатели качества, чем система, созданная без предложенного подхода.