Курс «Рекомендательные системы»

Актуальная программа курса (32 модулей, по данным школы)

1. Модуль 1. От классического ML к персонализации — В этом модуле мы рассмотрим: - задачи сегментирования клиентов; - персонализацию рекомендаций; - коммуникации для задач с небольшим количеством товаров или альтернатив коммуникаций. Изучим задачи Uplift - моделирования и оптимизацию финансового результата от коммуникации.
2. • Знакомство. Вводное занятие. Жизненный цикл моделей
3. • Сегментация пользователей и задача персонализации
4. • Look-a-like выделение сегментов пользователей
5. • Модели Next Best Action
6. • Uplift - моделирование
7. Модуль 2. Классические методы рекомендаций — В этом модуле мы познакомимся с особенностями построения рекомендательных систем и методами оценки их качества, а также разберём классический подход к реализации моделей — коллаборативную фильтрацию.
8. • Введение в рекомендательные системы
9. • Эвристические модели. Коллаборативная фильтрация
10. • Методы матричной факторизации
11. • Практическое занятие по моделям матричной факторизации
12. • A/B - тесты в рекомендательных системах
13. Модуль 3. Контентные и гибридные методы рекомендаций — В этом модуле мы узнаем, как использовать информацию о пользователях и товарах при построении рекомендательных моделей.
14. • Контентные методы рекомендаций
15. • Рекомендательная система на основе текстовых данных
16. • Ранжирование при помощи градиентного бустинга
17. • Практическое занятие по рекомендательным системам. Двухуровневая модель
18. Модуль 4. Современные методы рекомендаций — В этом модуле мы рассмотрим современные архитектуры рекомендательных систем: нейросетевые и модели на графах, обучение с подкреплением.
19. • Ведение в нейросети и PyTorch
20. • Нейросетевые методы рекомендаций
21. • Sequential - модели
22. • Методы теории графов в рекомендательных системах
23. • Многорукие бандиты для оптимизации A/B - тестирования
24. • Многорукие бандиты для задачи рекомендации
25. Модуль 5. Рекомендательные системы в продакшн — В этом модуле мы рассмотрим особенности внедрения рекомендательных моделей в продакшн и работу с большими данными.

Кем вы сможете работать

Сколько зарабатывают в профессии (медиана hh.ru, по 141 вакансиям)

Сравнение с похожими курсами других школ

Стоит ли идти на этот курс

Когда этот курс вам не нужен

Если вы уже строили рекомендательные системы в продакшне и знакомы с большинством методов из программы — коллаборативной фильтрацией, нейросетевыми подходами, бандитами — новых знаний курс скорее всего не добавит. Не стоит брать его и как первый шаг в ML: без уверенной базы по Python и машинному обучению программа такого уровня будет тяжело усваиваться. Если цель — быстро получить общее представление о теме без специализации, есть более короткие варианты.

Как выбрать курс по этому направлению

Выбирая курс по рекомендательным системам, смотрите прежде всего на глубину программы: тема достаточно специализированная, чтобы хороший курс покрывал хотя бы три-четыре подхода — коллаборативную фильтрацию, контентные методы, нейросетевые модели и что-то из онлайн-обучения. Если в программе только первые два — перед вами обзорный курс, а не специализация. Второй вопрос: есть ли выпускной проект, разбираются ли реальные кейсы с метриками и A/B-тестами. Третье — трудоустройство: честные школы говорят о процессе, а не обещают «100% гарантию»; ориентируйтесь на это. Цену запрашивайте напрямую и сравнивайте с другими предложениями на рынке до решения.

Частые вопросы