Рекомендательные системы

Магистратура 2026/2027

ID 1130298

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

Дополнительные материалы в LMS Задать вопрос

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 1
Построение методов персонализации на заданном наборе данных. Использование классических методов.
Лабораторная работа 2
Построение методов персонализации на основе диалогового ассистента / ИИ-Помощника.
Экзамен
Построение методов персонализации на заданном модельном наборе данных.

Промежуточная аттестация

2026/2027 1st module
0.4 * Экзамен + 0.3 * Лабораторная работа 1 + 0.3 * Лабораторная работа 2

Список литературы

Авторы

Емашева Валерия Анатольевна

Программа дисциплины