📱Рекомендательные системы. Как они работают и где там математика

Этот пост для нас написал автор канала «Аналитика данных / Data Study», за что ему большое спасибо! Передаем микрофон гостю, а вас приглашаем в его канал. Подписывайтесь, там еще больше интересного: @data_study.

Рекомендательные системы предлагают нам контент, товары и услуги. Работают они благодаря сложным алгоритмам, за которыми стоят машинное обучение и математика.

В карточках разбираем разные подходы к построению рекомендательных систем и их применение на практике. Если заинтересовались, вот полезные ссылки по темам:

Матричная факторизация, конспекты:
🔗 Рекомендации на основе матричных разложений
🔗 Матричная факторизация

Коллаборативная фильтрация и полезные ссылки по item-based- и user-based-подходам:
🔗 Анатомия рекомендательных систем. Часть первая
🔗 Анатомия рекомендательных систем. Часть вторая

Гибридные подходы, полезные статьи:
🔗 Перевод статьи об алгоритмах рекомендательных систем
🔗 Как помочь пользователю найти то, что ему нужно

Генеративные подходы, интервью Николая Савушкина:
🔗 Рекомендательные системы моделируют поведение людей

Вот так математика помогает компаниям делать рекомендации релевантными и полезными.

#рекомендуем