Рекомендательные системы

Курс для DS/ML-специалистов, которые хотят углубить знания в области рекомендательных систем

31 октября

3 месяца

Онлайн

Вт/Чт 20:00 Мск

Для кого этот курс?

Программа обучения рассчитана на специалистов с опытом в машинном обучении, которые хотят на практике внедрять рекомендательные системы и персонализации. Вы получите необходимые навыки для внедрения рекомендательных систем под задачи малого и среднего бизнеса, а также научитесь принципам проектирования рекомендательных систем для крупных компаний.

  • DS/ML/DL специалисты, которые хотят углубить знания в области рекомендательных систем и получить практический опыт;
  • IT-специалисты малого и среднего бизнеса, желающие внедрить в поддерживаемые ими системы механики рекомендательных систем и персонализации коммуникаций;
  • Разработчики с базовыми навыками Python и ML, которые хотят получить опыт работы с рекомендательными системами;
  • Выпускники курсов по машинному обучению.

Необходимые знания

  • базовое знакомство с Python;
  • базовые знания линейной алгебры (матрицы, векторы, градиентный спуск);
  • базовые навыки работы с ML (pandas, sklearn, линейная регрессия, логистическая регрессия);
  • интерес к прикладным бизнес задачам.

Что даст вам этот курс

Рекомендательные системы (Recommender Systems) помогают анализировать данные о пользователе и его предпочтениях, чтобы предоставлять персонализированные рекомендации о продуктах, услугах или контенте, которые могут ему понравиться. Сейчас рекомендательные системы активно используют банки, e-commerce, соцсети, стриминговые сервисы, поэтому на рынке востребованы специалисты с глубокими знаниями и опытом в области рекомендательных систем.

Что вы будете уметь после обучения

После обучения вы сможете самостоятельно решать задачи создания и внедрения рекомендательных систем для интернет-магазинов, ритейла, контентных сервисов, а также будете:

  • Понимать концепции рекомендательных систем и их применения в проектах;
  • Сможете работать с разными типами рекомендательных систем;
  • Узнаете современные методы рекомендаций и научитесь работать с ними;
  • Сможете внедрять персонализации, сегментировать пользователей;
  • Научитесь разбираться в метриках качества рекомендаций и проводить A/B тесты;
  • Получите навыки внедрения рекомендательных систем на практике.
  • Курс ориентирован на прикладные решения в области рекомендательных систем, которые можно реализовать для сервисов и компаний. На протяжении всего обучения студенты работают с датасетами, идентичными натуральным, погружаются в инфраструктуру для развертывания рекомендательных систем.
  • По данным Zarplan средняя зарплата специалистов Data Science в области рекомендательных систем составляет более 240 тысяч рублей. Курс дает знания, которые помогут перейти на более интересный проект с высокой зарплатной вилкой.

Процесс обучения

Обучение проходит онлайн: вебинары, общение с преподавателями и вашей группой в Telegram, сдача домашних работ и получение обратной связи от преподавателя.

Вебинары проводятся 2 раза в неделю по 2 ак. часа и сохраняются в записи в личном кабинете. Вы можете посмотреть их в любое удобное для вас время.

В ходе обучения вы будете выполнять домашние задания. Каждое из них посвящено одному из компонентов вашего выпускного проекта.

После выполнения всех домашних заданий вы получите готовый выпускной проект.

Оптимальная нагрузка

Возможность совмещать учебу с работой

Портфолио

Индивидуальная разработка итоговой проектной работы 

Перспективы


Получите знания, которые помогут повысить вашу востребованность и доход

Партнеры

Многие студенты еще во время прохождения первой части программы находят или меняют работу, а к концу обучения могут претендовать на повышение в должности.

  • Получите помощь с оформлением резюме, портфолио и сопроводительного письма
  • Разместите свое резюме в базе OTUS и сможете получать приглашения на собеседования от партнеров
Формат обучения

Интерактивные вебинары


2 занятия по 2 ак.часа в неделю. Доступ к записям и материалам остается навсегда

Обратная связь


Домашние задания с поддержкой и обратной связью наших преподавателей помогут освоить изучаемые технологии

Активное комьюнити


Чат в Telegram для общения преподавателей и студентов

Программа

От классического ML к персонализации

В этом модуле мы рассмотрим: - задачи сегментирования клиентов; - персонализацию рекомендаций; - коммуникации для задач с небольшим количеством товаров или альтернатив коммуникаций. Изучим задачи Uplift - моделирования и оптимизацию финансового результата от коммуникации.

Тема 1: Знакомство. Вводное занятие. Жизненный цикл моделей

Тема 2: Сегментация пользователей и задача персонализации

Тема 3: Look-a-like выделение сегментов пользователей

Тема 4: Модели Next Best Action

Тема 5: Uplift - моделирование

Классические методы рекомендаций

В этом модуле мы познакомимся с особенностями построения рекомендательных систем и методами оценки их качества, а также разберём классический подход к реализации моделей — коллаборативную фильтрацию.

Тема 1: Введение в рекомендательные системы

Тема 2: Эвристические модели. Коллаборативная фильтрация

Тема 3: Методы матричной факторизации

Тема 4: Практическое занятие по моделям матричной факторизации

Тема 5: A/B - тесты в рекомендательных системах

Контентные и гибридные методы рекомендаций

В этом модуле мы узнаем, как использовать информацию о пользователях и товарах при построении рекомендательных моделей.

Тема 1: Контентные методы рекомендаций

Тема 2: Рекомендательная система на основе текстовых данных

Тема 3: Ранжирование каталога товаров

Тема 4: Практическое занятие по рекомендательным системам. Двухуровневая модель

Современные методы рекомендаций

В этом модуле мы рассмотрим современные архитектуры рекомендательных систем: нейросетевые и модели на графах, обучение с подкреплением.

Тема 1: Нейросетевые методы рекомендаций

Тема 2: Sequential - модели

Тема 3: Методы теории графов в рекомендательных системах

Тема 4: Многорукие бандиты для оптимизации A/B - тестирования

Тема 5: Многорукие бандиты для задачи рекомендации

Рекомендательные системы в продакшн

В этом модуле мы рассмотрим особенности внедрения рекомендательных моделей в продакшн и работу с большими данными.

Тема 1: Особенности работы с большими объемами данных

Тема 2: Внедрение рекомендательных систем на практике. Микросервисы

Тема 3: Применение Docker на практике

Проектная работа

Заключительный месяц курса посвящен проектной работе. Свой проект — это то, что интересно создать слушателю. То, что можно разработать на основе знаний, полученных на курсе. При этом не обязательно закончить его за месяц. В процессе работы над проектом можно получить консультацию преподавателей.

Тема 1: Выбор темы и организация проектной работы

Тема 2: Консультация по проектам и домашним заданиям

Тема 3: Защита проектных работ и подведение итогов курса

Также вы можете получить полную программу, чтобы убедиться, что обучение вам подходит

Выпускной проект


Итоговый проект станет частью портфолио для работодателя. В нем студенты реализуют рекомендательную систему и систему персонализации для конкретного сервиса или компании, по выбору студента. Ведущие эксперты с большим опытом внедрения рекомендательных систем в e-commerce, FinTech, стриминговых сервисах, маркетплейсах будут курировать проекты.

Преподаватели

Руководитель курса

Вероника Иванова

Data Scientist

Sber AI Lab

Елена Позднеева

Senior Data Scientist

Сбер Customer Wallet

Сергей Бажмин

Senior Ml engineer

hh.ru

Александр Брут-Бруляко

DS инженер (к.э.н.)

Сбер GigaLegal

Андрей Канашов

Senior Data Scientist

Самолет

Раиль Сулейманов

Machine Learning Engineer

Garage IT

Дмитрий Гайнуллин

Machine Learning Engineer

AIC

Игорь Стурейко

(к.ф.-м.н.) Teamlead, главный инженер

FinTech

Эксперты-практики делятся опытом, разбирают кейсы студентов и дают развернутый фидбэк на домашние задания

Ближайшие мероприятия

Открытый вебинар — это настоящее занятие в режиме он-лайн с преподавателем курса, которое позволяет посмотреть, как проходит процесс обучения. В ходе занятия слушатели имеют возможность задать вопросы и получить знания по реальным практическим кейсам.

Методы сегментации в рекомендациях
Елена Позднеева
На занятии будет рассмотрено формирование рекомендаций с точки зрения сегментации клиентов аналитическими методами или методами машинного обучения. Так, в фокусе окажутся подход RFM-анализа, методы кластеризации и look-a-like моделирование.

Кому подходит этот урок:
- IT-специалистам, которые хотят расширить свои знания в Data Science
- Дата-сайентистам, желающим применить свои знания к практическим задачам сегментации базы
- Тем кто самостоятельно изучает Data Science и хочет узнать про области применимости своего знания

Результаты урока: Вы познакомитесь с несложными подходами к формированию рекомендаций, а также узнаете, в каких случаях для эффективной коммуникации достаточно применить классические подходы машинного обучения.
...
17 октября в 17:00
Открытый вебинар

Прошедшие
мероприятия

Вероника Иванова
Открытый вебинар
Модели матричной факторизации на примере ALS и BPRMF
Вероника Иванова
Открытый вебинар
AB тесты в рекомендательных системах
Оставьте заявку, чтобы получить доступ ко всем записям прошедших мероприятий. Записи всех мероприятий появятся в этом блоке

Корпоративное обучение для ваших сотрудников

Отус помогает развивать высокотехнологичные Команды. Почему нам удаётся это делать успешно:
  • Курсы OTUS верифицированы крупными игроками ИТ-рынка и предлагают инструменты и практики, актуальные на данный момент
  • Студенты работают в группах, могут получить консультации не только преподавателей, но и профессионального сообщества
  • OTUS проверяет знания студентов перед стартом обучения и после его завершения
  • Простой и удобный личный кабинет компании, в котором можно видеть статистику по обучению сотрудников
  • Сертификат нашего выпускника за 5 лет стал гарантом качества знаний в обществе
  • OTUS создал в IT более 120 курсов по 7 направлениям, линейка которых расширяется по 40-50 курсов в год

Сертификат о прохождении курса

OTUS осуществляет лицензированную образовательную деятельность. В конце обучения вы получите сертификат OTUS о прохождении курса и удостоверение о повышении квалификации.

После обучения вы:

  • Получите материалы по пройденным занятиям (видеозаписи курса и дoполнительные материалы)
  • Создадите свой проект, который поможет при прохождении собеседований
  • Повысите свою ценность и конкурентоспособность как IT-специалист
  • Получите сертификат об окончании курса

Частые вопросы

Почему OTUS?
Мы обучаем IT-сотрудников уже 6 лет, через OTUS прошли 20 000 студентов. Специализируемся на программах для людей с опытом, а ещё – быстро переформатируем учебные программы под изменения в сфере информационных технологий.
Обязательно ли выполнять и защищать выпускной проект?
Для получения сертификата OTUS и УПК (удостоверение повышения квалификации государственного образца) необходимо сдать проект. Кроме того, проект необязательно защищать перед аудиторией, а можно сдать в чате с преподавателем. Для получения УПК также понадобится предъявить документ об образовании.
Обязательно ли выполнять все домашние задания?
Да, если хотите хорошо отточить навыки. На курсе будут практические домашние задания, их выполнение занимает примерно 2-3 часа.
Помогаете ли вы с трудоустройством после курса?
В Otus Club проводятся вебинары на тему трудоустройства, разбор резюме, прохождения собеседований, особенности реферальных программ при найме. Также обратим ваше внимание, что преподаватели курса занимают ведущие позиции в разных компаниях. Будьте активны, выполняйте домашние задания, стройте network с сокурсниками и преподавателями, и вам будет проще найти работу, расширив свои контакты.
Смогу ли я совмещать учебу с работой?
Да. Программа курса рассчитана на студентов, у которых мало времени. Лекции проводим дважды в неделю, домашние задания — не чаще 1 раза в неделю.
Что, если в середине курса я не смогу продолжать обучение?
Вы можете бесплатно перейти в другую группу. Но только один раз.
Я могу вернуть деньги?
Да, мы можем вернуть деньги за то время курса, которое вы ещё не успели отучиться. Например, если курс длится пять месяцев, а вы отучились один, мы вернём деньги за оставшиеся четыре месяца.
Может ли мой работодатель оплатить курс?
Да. Когда свяжетесь с нашим менеджером, уточните, что оплачивать курс будет ваш работодатель.
Остались вопросы?
Оставляйте заявку и задавайте вопросы менеджеру, команда курса с ним на связи и постарается дать вам исчерпывающую информацию.