ym88659208ym87991671

Обучающий онлайн‑курс «Рекомендательные системы и библиотека RePlay»

Видеокурс посвящён современным подходам и инструментам для создания рекомендательных систем — ключевой технологии, которая лежит в основе персонализации в онлайн-торговле, стриминговых сервисах, социальных сетях и многих других платформах

Кому подойдёт этот курс?

Server icon
Дата-сайентисты
и аналитики данных
Develop icon
Разработчики
рекомендательных систем
Laptop icon
Менеджеры продукта
и бизнес-аналитики

Как проходит обучение?

Онлайн

Обучение проходит полностью онлайн на платформе СберУниверситета

Бесплатно

Видеокурс является полностью бесплатным

Удобно

Вы можете проходить курс в любое удобное для вас время

Сертификат

Именной сертификат после прохождения всех модулей

Из чего состоит курс?

Лекции. До 15-20 минут теоретических видео
Семинары. До 15-20 минут практических видео
Тесты. Проверка знаний по пройденным материалам
Практические занятия. Задания в Jupiter Notebook

Чему научитесь?

  • Научитесь разрабатывать рекомендательные системы, которые улучшают пользовательский опыт и повышают бизнес-метрики
  • Освоите инструменты для работы с большими объёмами данных и построения высокопроизводительных моделей
  • Узнаете, как выбирать и адаптировать алгоритмы под задачи вашего бизнеса
  • Получите практические навыки работы с рекомендательными системами

Преподаватели

Teacher avatar

Алексей Васильев

Sber AI Lab, группа рекомендательных систем
Team Lead
Teacher avatar

Антон Клинецкий

Sber AI Lab, группа рекомендательных систем
Senior Data Scientist
Teacher avatar

Анна Володкевич

Sber AI Lab, группа рекомендательных систем
Senior Data Scientist
Teacher avatar

Алексей Гришанов

Sber AI Lab, группа рекомендательных систем
Middle Data Scientist
Teacher avatar

Денис Куландин

Sber
Руководитель направления по исследованию данных
Teacher avatar

Вероника Иванова

ex-Sber
Teacher avatar

Наталья Семенова

ex-Sber

Подробнее о курсе

1 модуль. Введение в рекомендательные системы
  1. 1. Предобработка и разбиение данных
  2. 2. Метрики
  3. 3. Классификация алгоритмов, неперсонализированные алгоритмы
2 модуль. Базовые рекомендательные алгоритмы
  1. 1. ItemKNN, UserKNN
  2. 2. SLIM, EASE
  3. 3. Модели матричной факторизации: SVD, ALS, iALS
  4. 4. Ранжирующие Loss (Triplet loss, BPR, WARP)
  5. 5. Гибридные модели: факторизационные машины, LightFM
  6. 6. Двухуровневые модели
3 модуль. Продвинутые рекомендательные алгоритмы
  1. 1. Нейросетевые подходы
  2. 2. Рекомендации на последовательностях
  3. 3. RL (Бандиты)
  4. 4. Графовые подходы
4 модуль. Рекомендации в проде
  1. 1. Масштабирование рекомендаций (Spark, Polars)
  2. 2. ANN
  3. 3. Особенности построения рекомендаций в проде
ПАО Сбербанк использует cookie для персонализации сервисов и удобства пользователей.
Вы можете запретить сохранение cookie в настройках своего браузера.