PV254 Recommender Systems

Fakulta informatiky
podzim 2016
Rozsah
1/1/0. 2 kr. (plus ukončení). Ukončení: k.
Vyučující
doc. Mgr. Radek Pelánek, Ph.D. (přednášející)
Garance
doc. RNDr. Aleš Horák, Ph.D.
Katedra strojového učení a zpracování dat – Fakulta informatiky
Dodavatelské pracoviště: Katedra strojového učení a zpracování dat – Fakulta informatiky
Rozvrh
Čt 12:00–13:50 B204
Předpoklady
Programming skills, mathematics at the level of MB101-MB104 courses.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Předmět si smí zapsat nejvýše 30 stud.
Momentální stav registrace a zápisu: zapsáno: 0/30, pouze zareg.: 0/30, pouze zareg. s předností (mateřské obory): 0/30
Mateřské obory/plány
Cíle předmětu
At the end of the course students will understand the main types of recommender systems and their application domains; be able to apply the basic recommender techniques; understand main aspects of evaluation of recommender systems and be able to analyze such evaluations. Students will also have practical experience with development of a simple recommender system or with a partial evaluation of a realistic recommender system.
Osnova
  • Recommender systems, motivation, applications in different domains.
  • Types of recommender systems: non-personalized, content based, collaborative filtering.
  • Techniques and algorithms for recommender systems, particularly with focus on collaborative filtering (user-user, item-item, SVD).
  • Evaluation: methodology, types of experiments, evaluation metrics, examples.
  • Other aspects of recommender systems (e.g., explanations of recommendations, trust, attacts).
  • Case studies (e.g., Amazon, Netflix, Google News, YouTube).
  • Educational recommender systems, current research at Faculty of informatics.
Literatura
    doporučená literatura
  • JANNACH, Dietmar. Recommender systems : an introduction. 1. pub. New York: Cambridge University Press, 2011, xv, 335. ISBN 9780521493369. info
  • Recommender systems handbook. Edited by Francesco Ricci. New York: Springer, 2011, xxix, 842. ISBN 9780387858203. info
Výukové metody
The course consist of lectures and a project. The project can be either an implementation of a simple recommender system or an evaluation of one of the described techniques on data from real recommender systems (e.g., Netflix data, faculty projects).
Metody hodnocení
The course evaluation consists of project presentation and discussion of course topics.
Vyučovací jazyk
Angličtina
Informace učitele
http://www.fi.muni.cz/~xpelanek/PV254/
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2014, podzim 2015, podzim 2017, podzim 2018, podzim 2019, jaro 2021, jaro 2022, jaro 2023, jaro 2024, jaro 2025.