Как создать рекомендательную модель
на Python за 2 дня
Научитесь создавать и оптимизировать персональные рекомендации для использования в реальных проектах. Путь от выбора данных к обучению и оценке модели за 2 дня.
Кристина Исакова
6+ лет опыта в Data Science
![](https://robot-site-static.fra1.digitaloceanspaces.com/cc/ckeditor/landings/1188-yak-pobuduvati-rekomendaciynu-model-za-2-dni/test/1-block.jpg)
Об интенсиве
- Длительность:
2 дня / 8 часов
- Практическое задание:
построение рекомендаторов для электронной библиотеки
Этот двухдневный интенсив научит вас использовать метрики для оценки рекомендаций и разрабатывать рекомендаторы на основе контента, коллаборативной фильтрации и сортировки по популярности. В результате — сможете эффективно обучать и оценивать модель на готовом датасете, а также добавите проект в портфолио.
Интенсив для тех, кто знает Python:
В программу входят:
-
01
8 ЧАСОВ ОБУЧЕНИЯ ЗА ДВА ДНЯ
Интенсив будет проходить онлайн и продлится два дня с 11:00 до 15:00. В течение 8 часов вы научитесь использовать метрики для оценки рекомендательных моделей и пройдете этапы выбора, обучения и оценки рекомендательной модели.
-
02
ТРИ ТИПА РЕКОМЕНДАТЕЛЬНЫХ МОДЕЛЕЙ
В течение интенсива вы рассмотрите три основных модели, которые используются в рекомендательных системах, и научитесь выбирать необходимую конкретному проекту: сортировку по популярности, коллаборативную фильтрацию и модели на основе контента.
-
03
КЕЙС ДЛЯ ПОРТФОЛИО
Итогом интенсива станет обучение и оценка собственной рекомендательной модели на реальном датасете. В процессе выполнения практических задач вы получите индивидуальный фидбек от лекторки, а после завершения интенсива — сертификат.
План интенсива
-
01 занятие03.08.2024 11:00
Метрики и оценка. Статистические подходы
- Рассмотрите различные виды рекомендательных моделей
- Узнаете главные вызовы и проблемы в построении рекомендаторов
- Увидите, какие метрики и оценки использовать при подборе модели
- Овладеете статистическими подходами к рекомендаторам — сортировка по популярности, оценка Байеса
- Построите рекомендатор на основе популярности и оценки Байеса
-
02 занятие12.05.2024 11:00
Коллаборативная фильтрация. Рекомендательные системы на основе контента
- Узнаете, как применять коллаборативную фильтрацию для своих рекомендаторов — рейтинги, фильтрацию на основе пользователей, предложения, факторизацию матриц
- Освоите создание рекомендательных моделей на основе контента
- Рассмотрите шаги по дальнейшей работе с рекомендаторами: оптимизация и улучшение
- Выберете один из разобранных на лекции методов и примените к электронной библиотеке
Лекторка:
![](https://robot-site-static.fra1.digitaloceanspaces.com/cc/ckeditor/landings/1188-yak-pobuduvati-rekomendaciynu-model-za-2-dni/test/about-lector.jpg)
Кристина Исакова
former Data Scientist в CHECK24, Holidu и FlixBus
6+ лет опыта на позиции Data Scientist
-
имеет опыт в создании рекомендаторов для страховых компаний
-
разрабатывала ML-модели прогнозирования, мониторинга метрик и поиска аномалий в данных
-
преподавала физику и математику в Университете Генуи (Италия) и Гамбургском университете (Германия)
-
выпустила более 100 студентов на курсах «Математика и статистика для Data Science» и Machine Learning
регистрация
Присоединяйтесь к интенсиву, чтобы научиться создавать и оптимизировать рекомендаторы, а также имплементировать их в реальных проектах.