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 проверить кучу домашних заданий
2. Нашим гостям Сергею Макееву, Александру Андрееву, Маргарите Мишустиной и Алексею Васильеву, которые сделали в рамках курса отличные гостевые доклады
3. ФКН НИУ ВШЭ и в частности Евгению Соколову за то, что фактически спонсировали всю эту мою активность. И еще и разрешили сделать её открытой. Без ВШЭ и Евгения никакого открытого курса бы не было! Да и в принципе такого большого курса бы не было.
4. Нашей замечательной команде курса в ШАД, с которой началась эта эпопея по созданию рексис курса. И в частности Дане Ткаченко, который изначально позвал меня вместе делать курс в ШАДе
А вам, дорогие мои читатели, спасибо, что читали, слушали и поддерживали. Fin. :)
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 проверить кучу домашних заданий
2. Нашим гостям Сергею Макееву, Александру Андрееву, Маргарите Мишустиной и Алексею Васильеву, которые сделали в рамках курса отличные гостевые доклады
3. ФКН НИУ ВШЭ и в частности Евгению Соколову за то, что фактически спонсировали всю эту мою активность. И еще и разрешили сделать её открытой. Без ВШЭ и Евгения никакого открытого курса бы не было! Да и в принципе такого большого курса бы не было.
4. Нашей замечательной команде курса в ШАД, с которой началась эта эпопея по созданию рексис курса. И в частности Дане Ткаченко, который изначально позвал меня вместе делать курс в ШАДе
А вам, дорогие мои читатели, спасибо, что читали, слушали и поддерживали. Fin. :)