khrylchenkokirill/deeprecsys

Deep RecSys Course X. Начинаем серию из двух занятий про обучение с подкреплением! На лекции: 1. Закончили тему графовых моделей - обсудили unsupervised graph learning, модели от Twitter и TikTok. 2. Обсудили задачу RL бандитов - что такое feedback loop и зачем нужен exploration, формализацию бандитной задачи, простые алгоритмы ее решения. На семинаре обсуждали использование бандитных алгоритмов в Ютубе: 1. Разобрали статью про кандген — Online Matching: A Real-time Bandit System for Large-scale Recommendations 2. Немного затронули ранжирование — Long-Term Value of Exploration: Measurements, Findings and Algorithms YouTube | Github P.S: эту легендарную картинку со странички лабы Microsoft Research SV можно увидеть в большей части лекций и докладов про бандитов :)