Ранжирующие функции потерь в рекомендательных системах // Демо-занятие «Machine Learning. Advanced» скачать в хорошем качестве

Ранжирующие функции потерь в рекомендательных системах // Демо-занятие «Machine Learning. Advanced»

На вебинаре мы познакомимся с ранжирующими функциями потерь: BPR и WARP loss, рассмотрим их практическое применение на примере модели BPRMF. В результате вебинара мы: Познакомимся с популярным подходом к построению рекомендательных систем: collaborative filtering. Рассмотрим особенности ранжирующих функций потерь, их отличие от других функций потерь, используемых в рекомендательных системах. Изучим архитектуру модели BPRMF и применим ее на практике. Этот урок особенно будет интересен: Всем кто интересуется рекомендательными системами Дата-сайентистам, желающим расширить область своих знаний Тем кто самостоятельно изучает Data Science и уже знаком с основными методами ML Присоединяйтесь к нам для глубокого погружения в мир рекомендательных систем! 🚀 «Machine Learning. Advanced» - https://otus.pw/vwG6/ Преподаватель: Вероника Иванова - Data Scientist Пройдите опрос по итогам мероприятия - https://otus.pw/hWVH/ Следите за новостями проекта: Telegram: https://t.me/Otusjava ВКонтакте: https://otus.pw/850t LinkedIn: https://otus.pw/yQwQ/ Хабр: https://otus.pw/S0nM/