PředmětyPředměty(verze: 845)
Předmět, akademický rok 2019/2020
   Přihlásit přes CAS
Úvod do doporučovacích systémů - NSWI166
Anglický název: Introduction to Recommender Systems
Zajišťuje: Katedra softwarového inženýrství (32-KSI)
Fakulta: Matematicko-fyzikální fakulta
Platnost: od 2017
Semestr: zimní
E-Kredity: 4
Rozsah, examinace: zimní s.:2/1 Z+Zk [hodiny/týden]
Počet míst: neomezen
Minimální obsazenost: neomezen
Stav předmětu: vyučován
Jazyk výuky: čeština
Způsob výuky: prezenční
Garant: Mgr. Ladislav Peška, Ph.D.
Třída: Informatika Bc.
Informatika Mgr. - volitelný
Kategorizace předmětu: Informatika > Informatika, Aplikační software, Počítačová grafika a geometrie, Databázové systémy, Didaktika informatiky, Diskrétní matematika, Předměty širšího základu, Předměty obecného základu, Počítačová a formální lingvistika, Optimalizace, Programování, Softwarové inženýrství, Teoretická informatika
Anotace -
Poslední úprava: RNDr. Michal Kopecký, Ph.D. (11.05.2017)
Doporučovací systémy představují zajímavou oblast výzkumu, která nalezla praktickou aplikaci především v „data intensive“ webových projektech. Základem doporučovacích systémů jsou algoritmy strojového učení, které na základě minulého chování uživatele odhadují jeho budoucí preference a doporučují potenciálně relevantní, ale jinak složitě nalezitelné objekty. Předmět má za cíl poskytnout přehled o základních algoritmech, typech dat, požadavcích a vyhodnocování doporučovacích systémů a následně podrobněji rozvinout některé aspekty praktického vývoje doporučovacích systémů.
Podmínky zakončení předmětu -
Poslední úprava: Mgr. Ladislav Peška, Ph.D. (02.10.2017)
  • ústní zkouška v rozsahu látky probírané na přednáškách
  • aktivní účast na cvičeních
  • referát, nebo vypracování individuálního projektu

  • neúčast na cvičeních je možné po dohodě nahradit vypracováním rozsáhlejšího projektu
Literatura -
Poslední úprava: RNDr. Michal Kopecký, Ph.D. (11.05.2017)
  • Ricci, F. et al (Eds): Recommender Systems Handbook, Springer, 2011
  • Jannach, D. et al (Eds): Recommender Systems: An Introduction, Cambridge University Press, 2011
  • Marius Kaminskas, Derek Bridge, Franclin Foping and Donogh Roche: Product-Seeded and Basket-Seeded Recommendations for Small-Scale Retailers, Journal on Data Semantics, pp.1-12, 2016.
  • Steffen Rendle, Christoph Freudenthaler, Zeno Gantner, and Lars Schmidt-Thieme. BPR: Bayesian personalized ranking from implicit feedback. In UAI '09. AUAI Press, 2009, 452-461.
  • Nguyen, J. & Zhu, M. Content-boosted matrix factorization techniques for recommender systems. Statistical Analysis and Data Mining, Wiley Subscription Services, Inc., A Wiley Company, 2013, 6, 286-301
  • Gorgoglione, M.; Panniello, U. & Tuzhilin, A.: The effect of context-aware recommendations on customer purchasing behavior and trust. Proceedings of the fifth ACM conference on Recommender systems, ACM, 2011, 85-92

Sylabus -
Poslední úprava: RNDr. Michal Kopecký, Ph.D. (11.05.2017)
  • Úvod do doporučovacích systémů - cíle, požadavky, metody, data
  • Metody kolaborativního filtrování, faktorizace matic
  • Metody content-based filtrování
  • Linked Open Data v doporučovacích systémech
  • Uživatelská zpětná vazba
  • Hybridní a context-aware doporučovací systémy, mobilní zařízení
  • Explanations, trust, social networks
  • Vyhodnocování doporučení, reálné aplikace

 
Univerzita Karlova | Informační systém UK