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
![](https://robot-site-static.fra1.digitaloceanspaces.com/cc/ckeditor/landings/1188-yak-pobuduvati-rekomendaciynu-model-za-2-dni/test/1-block.jpg)
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:
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 заняття03.08.2024 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 заняття04.08.2024 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:
![](https://robot-site-static.fra1.digitaloceanspaces.com/cc/ckeditor/landings/1188-yak-pobuduvati-rekomendaciynu-model-za-2-dni/test/about-lector.jpg)
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.