Онлайн-інтенсив Як створити рекомендаційну модель на Python за 2 дні | robot_dreams
  • онлайн-інтенсив
  • 2 дні
  • 8 годин

Як створити рекомендаційну модель
на Python за 2 дні

Навчіться створювати й оптимізувати персональні рекомендації, щоб використовувати їх у реальних проєктах. Шлях від вибору даних до навчання та оцінки моделі за 2 дні.

Кристина Ісакова

 

6+ років досвіду в Data Science

Про інтенсив

  • Тривалість:

    2 дні / 8 годин

  • Практичне завдання:

    побудова рекомендаторів
    для електронної бібліотеки

Цей дводенний інтенсив навчить вас використовувати метрики для оцінки рекомендацій і розробляти рекомендатори на основі контенту, колаборативної фільтрації та сортування за популярністю. В результаті — зможете ефективно навчати й оцінювати модель на готовому датасеті, а також додасте проєкт у портфоліо.

Інтенсив для тих, хто знає Python:

Python-розробників

щоб розібратися в роботі з рекомендаційними моделями та набути практичного досвіду в їх реалізації.

Data-саєнистів, data-інженерів

щоб відточити навичку застосування статистики й машинного навчання для створення персоналізованих рекомендацій.

ML-інженерів

щоб поглибити знання в конкретній галузі машинного навчання та вдосконалити навички розробки рекомендаторів.

 

До програми входять:

  • 01

    8 ГОДИН НАВЧАННЯ ЗА ДВА ДНІ

    Інтенсив відбуватиметься онлайн та триватиме два дні з 11:00 до 15:00. Протягом 8 годин ви навчитеся використовувати метрики для оцінки рекомендаційних моделей та пройдете етапи вибору, навчання й оцінки рекомендаційної моделі.

  • 02

    ТРИ ТИПИ РЕКОМЕНДАЦІЙНИХ МОДЕЛЕЙ

    Протягом інтенсиву ви розглянете три основні моделі, які використовують у рекомендаційних системах, та навчитеся обирати ту, що потрібна конкретному проєкту: сортування за популярністю, колаборативна фільтрація та моделі на основі контенту.

  • 03

    КЕЙС ДЛЯ ПОРТФОЛІО

    Підсумком інтенсиву стане навчання та оцінка власної рекомендаційної моделі на реальному датасеті. В процесі виконання практичних завдань ви отримаєте індивідуальний фідбек від лекторки, а після завершення інтенсиву — сертифікат.

План інтенсиву

  • 01 заняття
    03.08.2024 11:00

    Метрики та оцінки. Статистичні підходи

    • Розглянете різні види рекомендаційних моделей
    • Дізнаєтеся головні виклики й проблеми в побудові рекомендаторів
    • Побачите, які метрики й оцінки використовувати під час підбору моделі
    • Опануєте статистичні підходи до рекомендаторів — сортування за популярністю, оцінка Баєса
    • Побудуєте рекомендатор на основі популярності й оцінки Баєса
  • 02 заняття
    04.08.2024 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: оптимізацію і покращення
    • Оберете один із розібраних на лекції методів та застосуєте до електронної бібліотеки

Лекторка:

Кристина Ісакова

former Data Scientist у CHECK24, Holidu та FlixBus
6+ років досвіду на позиції Data Scientist

  • має досвід у створенні рекомендаторів для страхових компаній

  • розробляла ML-моделі прогнозування, моніторингу метрик та пошуку аномалій у даних

  • викладала фізику та математику в Університеті Генуї (Італія) та Гамбурзькому університеті (Німеччина)

  • випустила понад 100 студентів на курсах «Математика та статистика для Data Science» та Machine Learning

реєстрація

Долучайтеся до інтенсиву, щоб навчитися створювати й оптимізувати рекомендатори, а також імплементувати їх у реальних проєктах.

 
 
 
Реєструючись, ви погоджуєтеся з умовами договору-оферти та політикою конфіденційності.