Рекомендательные системы

2026/2027

Учебный год

RUS

Обучение ведется на русском языке

6

Кредиты

Кто читает:

Департамент информатики

Статус:

Курс по выбору

Когда читается:

2-й курс, 1, 2 модуль

Преподаватель

Сироткин Александр Владимирович

Программа дисциплины

Аннотация

Целью освоения дисциплины «Рекомендательные системы» является ознакомление с принципами работы рекомендательных систем и рассмотрение вопросов, связанных с особенностями проектирования, использования подобных систем. После прохождения курса студенты будут ориентироваться в методах построения и оценивания рекомендательных систем от базовых неперсонализированных подходов, рекомендаций, основанных на характеристиках контента (content-based), коллаборативной фильтрации до адаптивных и продвинутых, основанных на методах машинного обучения.

Цель освоения дисциплины

• ознакомление с принципами работы рекомендательных систем и рассмотрение вопросов, связанных с особенностями проектирования, использования подобных систем

Планируемые результаты обучения

• Уметь объяснять ключевые концепции, лежащие в основе рекомендаций
• Реализовывать алгоритмы коллаборативной фильтрации
• Разрабатывать контентные рекомендательные системы
• Создавать гибридные модели, объединяющие несколько алгоритмов для повышения точности
• Реализовывать современные алгоритмы рекомендаций
• Проводить комплексную оценку и сравнение различных подходов
• Уметь выбирать подходящие метрики для оценки рекомендательных систем

Содержание учебной дисциплины

• 1. Введение в рекомендательные системы
• 2. Коллаборативная фильтрация
• 3. Контентная фильтрация и гибридные подходы
• 4. Продвинутые методы и оценка производительности
• 5. Оценка эффективности рекомендаций

Элементы контроля

• Защита проекта
  Отчетность по проекту состоит из двух частей: сам письменный отчет и защита. Защита представляет собой презентацию с описанием проделанной работы, построенной системы и использовавшимся подходам.
• Отчет по проекту
  Отчетность по проекту состоит из двух частей: сам письменный отчет и защита. В рамках проекта студентам предлагается индивидуально или в малых группах (не более трех человек) выбрать датасет и продемонстрировать навыки анализа набора данных и реализации рекомендательной системы на основе этих данных. Примерами данных могут являться наборы данных GroupLens или наборы использовавшиеся в рамках соревнований ReсSys Challenge.
• Упражнения
  Для закрепления навыков по работе с инструментарием студентам предлагается выполнить упражнения на онлайн-ресурсам. Выбор источника упражнений осуществляется преподавателем
• Домашнее задание

Промежуточная аттестация

• 2026/2027 2nd module
  0.4 * Отчет по проекту + 0.2 * Упражнения + 0.3 * Домашнее задание + 0.1 * Защита проекта

Список литературы

Рекомендуемая дополнительная литература

• Manouselis, N., Drachsler, H., Verbert, K., Duval, E. Recommender Systems for Learning. – Springer, 2013. – ЭБС Books 24x7.

Авторы

• Суворова Алёна Владимировна
• Сироткин Александр Владимирович