Получить доступ

Рекомендательные системы

Полезно знать с Middle

Кандидаты и ранжирование, коллаборативная фильтрация, холодный старт, метрики.

Что важно знать

  • Коллаборативная фильтрация, разложение матриц, эмбеддинги.
  • Ранжирование бустингом по признакам пары «пользователь — товар».
  • Холодный старт и смещение популярности.
  • Офлайн-метрики не заменяют A/B-тест.

Критерии освоения

Middle ≈ 12 ч

  • Строит двухэтапную рекомендательную систему — кандидаты и ранжирование
  • Оценивает рекомендации офлайн-метриками ранжирования с валидацией по времени

Практика. Построить рекомендации фильмов на MovieLens — ALS для кандидатов и бустинг для ранжирования, сравнить NDCG@10 с популярным.

Вопросы с собеседований

  • Как устроены рекомендательные системы? Middle

    Типичная схема двухэтапная: отбор кандидатов (сотни из миллионов — популярное, похожие товары, коллаборативная фильтрация, векторный поиск по эмбеддингам) и ранжирование…

← Вся карта «Data Scientist»

Закрытая бета

Знать тему — половина дела

На живом собеседовании sotto слышит вопрос интервьюера и показывает короткий ответ и план. Оставьте контакт — пришлём доступ и промокод.

  • Промокод на 2 часа — сверх пробных 30 минут
  • Программа для Windows — скачать сразу, войти — через Яндекс ID или VK ID
  • Прямая связь с разработчиком: что улучшить — сделаем