khrylchenkokirill/deeprecsys

Deep RecSys Course — В С Ё! Вот и все! Неплохой получился курс: интересный, весёлый, порой немного грустный, а главное поучительный... Получилось 13 лекций: 1. Введение в рекомендательные системы 2. ML дизайн рекомендательных систем 3. Двухбашенные нейросети I: обучение 4. Двухбашенные нейросети II: архитектура 5. Нейросетевое ранжирование I: обработка признаков 6. Нейросетевое ранжирование II: слои 7. Рекомендации на последовательностях 8. Графовые нейросети 9. Ранжирование в рекламной сети Яндекса 10. Обучение с подкреплением I: exploration и бандитные алгоритмы 11. Обучение с подкреплением II: REINFORCE 12. Генеративные рекомендации 13. Исследования Sber AI Lab в области рексистем Большая часть семинаров — это разборы основных статей по теме; по сути, мы провели небольшой научный семинар в рамках курса. А ещё у нас были домашние задания , подготовленные специально для курса: 1. Бейзлайны: item-to-item CF, ALS, эвристики 2. Двухбашенные нейросети, где нужно было пощупать разные лоссы, включая logQ коррекцию 3. Нейросетевое ранжирование: PLE, unified embeddings, DCN-v2, многоголовость, ResNet/DenseNet 4. Авторегрессивные трансформеры для next-item prediction И, наконец, есть финальный проект , который ребята еще сдают; в рамках него нужно на основе статьи сделать свое собственное мини-исследование. Все материалы можно найти на Github , а записи — на YouTube . Для ленивых есть отдельный плейлист . Я очень рад, что получилось сделать такой большой курс, и даже записать его и выложить целиком. На это, конечно, потребовалось просто гигантское количество времени)) Раньше ребята, которые выходили работать ко мне в команду, получали эти знания по крупицам целыми ГОДАМИ. А здесь можно получить те же знания, посмотрев 30+ часов концентрированного контента. Хочу сказать спасибо: 1. Артёму Матвееву и Владимиру Байкалову, которые выделили свое драгоценное свободное время, чтобы подготовить и провести целых 10 семинаров, а также помогли подготовить и прове