Продвинутые рекомендательные системы (Recsys)

Курс «Продвинутые рекомендательные системы (RecSys)» посвящен самым современным State-of-the-Art (SOTA) подходам, которые сегодня используют ведущие технологические платформы. В этой части программы мы выходим за рамки стандартного предсказания кликов и переходим к созданию умных, гибких и автономных систем. Вы узнаете, как обучать модели оптимизировать долгосрочное удержание пользователей (LTV), как находить скрытые связи в поведении людей с помощью графовых сетей и как заставить алгоритмы адаптироваться к молниеносной смене трендов в реальном времени. Мы детально разберем не только математику современных нейросетей, но и прикладные инженерные вызовы: от защиты рекомендательных лент от умышленной накрутки до локального обучения моделей прямо на смартфонах пользователей без нарушения их конфиденциальности. Ключевые темы курса: Архитектура L3-переранжирования и контекст мобильных интерфейсов. Пространственно-временные паттерны: Графовые свертки (GNN) и каузальные трансформеры (SASRec/BST). Обучение с подкреплением (Deep RL) в непрерывных пространствах эмбеддингов. Причинно-следственный анализ (Counterfactual Evaluation) и методы дебайсинга. Экосистемные технологии: Кросс-доменные проекции и трансфер знаний. Безопасность и Robustness: Борьба с состязательным шумом и атаками отравления выборки. Конфиденциальность: On-device ML и Федеративное усреднение весов (FedAvg). Интерпретируемость: Построение подмоделей объяснений на базе LLM.