открытый курс по рекомендательным системам

НАУЧИСЬ СТРОИТЬ
RECSYS.

с нуля до production

Разберёмся, как работают рекомендации в Spotify, YouTube и Amazon. Математика, код, реальные данные — всё бесплатно.

Начать обучение
100% бесплатно · open source
collaborative filtering matrix factorization deep learning a/b testing embeddings transformers two-tower models feature store collaborative filtering matrix factorization deep learning a/b testing embeddings transformers two-tower models feature store

Всё, что нужно
для старта в RecSys

01
📐
Математика
Линейная алгебра, SVD, метрики близости — разберём фундамент, на котором строятся все рекомендации.
02
🧠
Алгоритмы
От collaborative filtering до neural recommenders. Каждый подход — с интуицией, формулами и кодом.
03
💻
Код на Python
Пишем всё с нуля. NumPy, PyTorch, реальные датасеты — MovieLens, Amazon, Last.fm.
04
📊
Метрики и оценка
Precision@K, NDCG, MAP, coverage, novelty — как понять, что ваша модель реально работает.
05
🔬
A/B тесты
Как проверять гипотезы в production, считать статзначимость и не обманывать себя метриками.
06
🚀
Production
Масштабирование, feature store, real-time inference. Как это работает в реальных компаниях.

Чему вы научитесь

01
Введение в рекомендательные системы
Зачем нужны рекомендации, где они используются, какие бывают подходы. Обзор ландшафта: от простых эвристик до deep learning.
content-based collaborative hybrid
02
Collaborative Filtering
User-based и item-based подходы. Метрики близости, разреженные матрицы, проблема холодного старта.
cosine similarity kNN cold start
03
Matrix Factorization
SVD, ALS, implicit feedback. Как разложить матрицу взаимодействий и получить эмбеддинги пользователей и айтемов.
SVD ALS implicit embeddings
04
Deep Learning для рекомендаций
Neural Collaborative Filtering, Two-Tower models, autoencoders. Когда нейросети лучше классики и когда — нет.
NCF two-tower PyTorch
05
Оценка и метрики
Offline и online метрики. Как правильно считать Precision@K, NDCG, MAP и не попасть в ловушки оценки.
precision@k NDCG A/B тесты
06
Production и масштабирование
Архитектура рекомендательного сервиса, ANN-индексы, feature store, real-time vs batch. Как это устроено в больших компаниях.
FAISS feature store serving

Готов начать?

Никаких оплат, регистраций и дедлайнов. Просто открывай и учись в своём темпе.

Начать обучение