Artwork

Konten disediakan oleh Денис, Ігор, Саша. Semua konten podcast termasuk episode, grafik, dan deskripsi podcast diunggah dan disediakan langsung oleh Денис, Ігор, Саша atau mitra platform podcast mereka. Jika Anda yakin seseorang menggunakan karya berhak cipta Anda tanpa izin, Anda dapat mengikuti proses yang diuraikan di sini https://id.player.fm/legal.
Player FM - Aplikasi Podcast
Offline dengan aplikasi Player FM !

№41: Рекомендаційні системи, ч.1. CTO про побудову рекомендаційних систем, їх складові і оцінку якості.

57:29
 
Bagikan
 

Manage episode 364374416 series 3361795
Konten disediakan oleh Денис, Ігор, Саша. Semua konten podcast termasuk episode, grafik, dan deskripsi podcast diunggah dan disediakan langsung oleh Денис, Ігор, Саша atau mitra platform podcast mereka. Jika Anda yakin seseorang menggunakan karya berhak cipta Anda tanpa izin, Anda dapat mengikuti proses yang diuraikan di sini https://id.player.fm/legal.

В гостях Дмитро Войтех, СТО @ S-PRO

🔞 Тут будуть матюки 🔞

Робочі посилання і коментарі в каналі ⁠⁠⁠⁠⁠⁠⁠⁠⁠https://t.me/midnight_chatter⁠

  • 0:00-0:30 Інтро
  • 0:30 - 1:18 — рекомендаційна система для банок на донати - поповнюйте рахунки Повернись Живим
  • 1:19 - 5:45 — Дмитро (ex-Giphy, CTO@S-PRO) розказує, чому він хороша людина на поговорити про рекомендаційні системи
  • 5:46 - 8:10 — чутки про те, в який ML/AI хочуть вкладати гроші європейські компанії
  • 8:10 - 11:43 — визначимо проблему рекомендацій, говоримо про задачу отримання інформації (information retrieval)
  • 11:44 - 12:20 — чому задачу рекомендацій варто розбивати на підсистеми
  • 12:21 - 17:15 — candidate generation – бази даних, векторні індекси, текстові індекси
  • 17:16 - 19:20 — що таке precision та recall, скільки потрібно сіньйорів…
  • 19:21 - 22:20 — чому фільтрувати кандидатів в рекомендації є хорошою ідеєю
  • 22:21 - 30:50 — на чому тренувати рекомендаційну систему: не забудьте полайкати наш подкаст на вашій улюбленій платформі!
  • 30:51 - 40:45 – для чого потрібні офлайн та онлайн метрики; роздумуємо про інтуїцію метрик для оцінки якості рекомендацій
  • 40:46 - 46:50 — чому Mean Reciprocal Rank (MRR) — ймовірно, не найкращий вибір для метрики, говоримо про Expected Reciprocal Rank (ERR) — чому структура гріда рекомендацій має значення
  • 46:51 - 47:45 – Click Through Rate (CTR)
  • 47:46 - 49:55 — говоримо про customer satisfaction та функції втрат для тренування рекомендаційної системи
  • 49:56 - 55:28 — проблема feedback loop, exploration vs exploitation, рандомізуємо рекомендації; багаторукі бандити
  • 55:29 - 57:28 — робимо паузу; оутро і канал 'Kyiv Data Science’; чекайте продовження в наступному випуску!

Долучайтесь до наших соцмереж:

Музика: ⁠⁠⁠⁠⁠⁠⁠⁠⁠https://www.streambeats.com/⁠⁠⁠⁠⁠⁠⁠⁠⁠ | ⁠⁠⁠⁠⁠⁠⁠⁠⁠@stasgavrylov

  continue reading

47 episode

Artwork
iconBagikan
 
Manage episode 364374416 series 3361795
Konten disediakan oleh Денис, Ігор, Саша. Semua konten podcast termasuk episode, grafik, dan deskripsi podcast diunggah dan disediakan langsung oleh Денис, Ігор, Саша atau mitra platform podcast mereka. Jika Anda yakin seseorang menggunakan karya berhak cipta Anda tanpa izin, Anda dapat mengikuti proses yang diuraikan di sini https://id.player.fm/legal.

В гостях Дмитро Войтех, СТО @ S-PRO

🔞 Тут будуть матюки 🔞

Робочі посилання і коментарі в каналі ⁠⁠⁠⁠⁠⁠⁠⁠⁠https://t.me/midnight_chatter⁠

  • 0:00-0:30 Інтро
  • 0:30 - 1:18 — рекомендаційна система для банок на донати - поповнюйте рахунки Повернись Живим
  • 1:19 - 5:45 — Дмитро (ex-Giphy, CTO@S-PRO) розказує, чому він хороша людина на поговорити про рекомендаційні системи
  • 5:46 - 8:10 — чутки про те, в який ML/AI хочуть вкладати гроші європейські компанії
  • 8:10 - 11:43 — визначимо проблему рекомендацій, говоримо про задачу отримання інформації (information retrieval)
  • 11:44 - 12:20 — чому задачу рекомендацій варто розбивати на підсистеми
  • 12:21 - 17:15 — candidate generation – бази даних, векторні індекси, текстові індекси
  • 17:16 - 19:20 — що таке precision та recall, скільки потрібно сіньйорів…
  • 19:21 - 22:20 — чому фільтрувати кандидатів в рекомендації є хорошою ідеєю
  • 22:21 - 30:50 — на чому тренувати рекомендаційну систему: не забудьте полайкати наш подкаст на вашій улюбленій платформі!
  • 30:51 - 40:45 – для чого потрібні офлайн та онлайн метрики; роздумуємо про інтуїцію метрик для оцінки якості рекомендацій
  • 40:46 - 46:50 — чому Mean Reciprocal Rank (MRR) — ймовірно, не найкращий вибір для метрики, говоримо про Expected Reciprocal Rank (ERR) — чому структура гріда рекомендацій має значення
  • 46:51 - 47:45 – Click Through Rate (CTR)
  • 47:46 - 49:55 — говоримо про customer satisfaction та функції втрат для тренування рекомендаційної системи
  • 49:56 - 55:28 — проблема feedback loop, exploration vs exploitation, рандомізуємо рекомендації; багаторукі бандити
  • 55:29 - 57:28 — робимо паузу; оутро і канал 'Kyiv Data Science’; чекайте продовження в наступному випуску!

Долучайтесь до наших соцмереж:

Музика: ⁠⁠⁠⁠⁠⁠⁠⁠⁠https://www.streambeats.com/⁠⁠⁠⁠⁠⁠⁠⁠⁠ | ⁠⁠⁠⁠⁠⁠⁠⁠⁠@stasgavrylov

  continue reading

47 episode

Semua episode

×
 
Loading …

Selamat datang di Player FM!

Player FM memindai web untuk mencari podcast berkualitas tinggi untuk Anda nikmati saat ini. Ini adalah aplikasi podcast terbaik dan bekerja untuk Android, iPhone, dan web. Daftar untuk menyinkronkan langganan di seluruh perangkat.

 

Panduan Referensi Cepat