Інтенсив підійде:
-
ML-інженерам щоб поглибити знання в конкретній галузі машинного навчання та вдосконалити навички розробки рекомендаторів.
-
Python-розробникам щоб розібратися в роботі з рекомендаційними моделями та набути практичного досвіду в їх реалізації.
-
Data-спеціалістам щоб відточити навичку застосування статистики й машинного навчання для створення персоналізованих рекомендацій.
До програми входять:
-
Практика Навчитеся використовувати метрики для оцінки рекомендаційних моделей, щоб забезпечити їхнє неперервне покращення та оптимізацію.
-
Моделі Розглянете три основні моделі, які використовують у рекомендаційних системах: сортування за популярністю, колаборативна фільтрація та моделі на основі контенту.
-
Кейс Пройдете етапи вибору, навчання, оцінки рекомендаційної моделі для електронної бібліотеки та отримаєте індивідуальний фідбек від лекторки.
ПРОГРАМА
-
01
11.05.2024 11:00
Метрики та оцінки. Статистичні підходи
- Розглянете різні види рекомендаційних моделей
- Дізнаєтеся головні виклики й проблеми у побудові рекомендаторів
- Побачите, які метрики й оцінки використовувати під час підбору моделі
- Опануєте статистичні підходи до рекомендаторів — сортування за популярністю, оцінка Баєса
Практичне завдання: побудуєте рекомендатор на основі популярності та оцінки Баєса..
-
02
12.05.2024 11:00
Колаборативна фільтрація. Рекомендаційні системи на основі контенту
- Дізнаєтесь, як застосовувати колаборативну фільтрацію для своїх рекомендаторів — рейтинги, фільтрацію на основі користувачів, пропозиції, факторизацію матриць
- Опануєте створення рекомендаційних моделей на основі контенту
- Розглянете кроки подальшої роботи з рекомендаторами: оптимізація і покращення
Практичне завдання: оберете один із розібраних на лекції методів та застосуєте до електронної бібліотеки.
Лекторка:
Кристина
Ісакова
- Data Scientist у CHECK24
- 5+ років досвіду на позиції Data Scientist
- зараз будує рекомендатори для страхових компаній у CHECK24
- PhD в галузі математичного моделювання
- випустила понад 100 студентів на курсах «Математика та статистика для Data Science» та Machine Learning