2025/2026

Углубленные рекомендательные системы

Статус: Маго-лего

Кто читает: Департамент прикладной математики

Где читается: Московский институт электроники и математики им. А.Н. Тихонова

Когда читается: 3, 4 модуль

Охват аудитории: для своего кампуса

Преподаватели: Сластников Сергей Александрович

Язык: русский

Кредиты: 6

Контактные часы: 68

Программа дисциплины

Аннотация

Дисциплина направлена на формирование у слушателей комплексного понимания современных методов построения и оптимизации рекомендательных систем, выходящее за рамки базовых алгоритмов. Курс фокусируется на архитектурных принципах, продвинутых алгоритмах машинного обучения и инженерных аспектах создания промышленных рекомендательных систем.

Цель освоения дисциплины

• Формирование у слушателей комплексного понимания современных методов построения и оптимизации рекомендательных систем, выходящее за рамки базовых алгоритмов.
• Формирование у слушателей знаний архитектурных принципов, продвинутых алгоритмах машинного обучения и инженерных аспектах создания промышленных рекомендательных систем.

Планируемые результаты обучения

• Уметь формулировать постановку задачи для построения рекомендательных моделей.
• Знает основные метрики рекомендательных моделей и систем
• Применяет методы коллаборативная фильтрации для построения рекомендательных моделей
• Применяет контентные и гибридные модели, sequential-based подходы для построения рекомендательных моделей.
• Применяет нейронные сети для построения рекомендательных моделей и систем.

Содержание учебной дисциплины

• Введение в рекомендательные системы. Метрики рекомендательных моделей и систем.
• Коллаборативная фильтрация: Memory-based и Model-based подходы.
• Контентные модели. Гибридные модели. Sequential-based подходы.
• Нейронные сети в рекомендательных системах.

Элементы контроля

• Тестирование
• Домашнее задание
• Экзамен

Промежуточная аттестация

• 2025/2026 4th module
  0.4 * Домашнее задание + 0.3 * Тестирование + 0.3 * Экзамен

Список литературы

Рекомендуемая основная литература

• Искусственный интеллект на службе бизнеса : как машинное прогнозирование помогает принимать решения, Агравал, А., 2019
• Машинное обучение : наука и искусство построения алгоритмов, которые извлекают знания из данных, Флах, П., 2015
• Нейронные сети, генетические алгоритмы и нечеткие системы, Рутковская, Д., 2008
• 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

• Искусственный интеллект на службе бизнеса : как машинное прогнозирование помогает принимать решения, Агравал, А., 2019
• Нейронные сети. Полный курс : пер. с англ., Хайкин, С., 2018

Авторы

• Сластников Сергей Александрович