Решил завести отдельный канал где буду постить свои мысли по интересующим меня темам. В отличие от чата #recommender_systems (https://t.iss.one/ods_recommender_systems), это мой личный канал, и постить сообщения буду в него только я.
Для тех кто не знаком - давайте знакомиться. Меня зовут Александр Петров, я PhD студент в университете Глазго. Занимаюсь в основном рекомендательными системами, поисковыми системами и поиском.
Для тех кто не знаком - давайте знакомиться. Меня зовут Александр Петров, я PhD студент в университете Глазго. Занимаюсь в основном рекомендательными системами, поисковыми системами и поиском.
🔥2❤1
Вдохновившись постом @lashinin, первый пост в этом канале будет про мой путь в RecSys Research.
Первый раз я познакомился с темой машинного обучения в 2009 году. Тогда, будучи студентом 4-го курса ВМиК МГУ, я попал на стажировку в Яндекс, в команду Яндекс.Пробок, чем был несказанно горд. Я тогда занимался разными интересными задачами, типа фильтрации сигналов пешеходов. Однако мое знакомство с темой машинного обучения оставалось на довольно базовом уровне еще несколько лет, даже несмотря на то, что я писал диплом на тему, связанную с машинным обучением. В любом случае, я видел себя скорее программистом, чем исследователем, и поэтому мои знания не уходили сильно глубже "from sklearn import..."
В 2011 году я закончил ВМиК, а в 2012 ушел из Яндекса и перешел на короткое время в Mail.Ru. Несмотря на то, что в Mail.Ru я работал совсем недолго (полгода), это было первое место, где я впервые столкнулся с задачами IR/RecSys. Я работал в рекламном отделе и занимался задачами, связанными с таргетингом. Именно в 2012 году я впервые познакомился с научным сообществом, которое занималось поиском и рекомендациями. Mail.Ru тогда спонсировали летнюю школу по информационному поиску RuSSIR. Это было очень классное мероприятие, куда приглашали ученых и студентов со всего мира. Жаль, что после 2019 года RuSSIR больше не проводят. Еще во время работы в Mail.Ru я начал учиться в аспирантуре ИПИ РАН, которую в итоге так и не закончил.
После Mail.Ru я несколько лет работал в рекламных стартапах и научными исследованиями почти не занимался (хотя и написал пару статей с соавторами из ИПИ РАН). Там я занимался скорее научпопом: писал статьи на Хабре, преподавал Big Data на курсах и т. д. С исследованиями я снова столкнулся после 2017 года, когда переехал в Великобританию и начал работать в Amazon. В Амазоне была программа по научному руководству студентами Эдинбургского университета, где я руководил несколькими группами студентов совместно с коллегами из команды рекомендаций. Примерно тогда же я начал серьезно погружаться в нейросети и Deep Learning. За время работы со студентами я всерьез задумался о PhD, так как понял, что исследования на пересечении Deep Learning и рекомендательных систем мне очень интересны.
2020 (ковидный) год стал поворотным: мое решение пойти на PhD и заняться исследованиями окончательно дозрело. В этот год, из-за ковида, в отпуск мы поехали не в другие страны, а в соседние города Великобритании. Когда мы приехали в город Durham и погуляли по кампусу местного университета, я, погрузившись в эту атмосферу, сказал себе: "Да, я этого хочу". Тогда же, на границе 2020 и 2021 годов, я поучаствовал в RecSys соревнованиях и написал по результатам первую статью в серьезное место (это был воркшоп на конференции WSDM). Я начал искать, где можно заниматься рекомендательными системами, и нашел группу по информационному поиску в Университете Глазго.
Осенью 2021 года я начал учиться в Университете Глазго, и уже в начале 2022 года я отправил первую статью на конференцию SIGIR. Статью, к сожалению, не приняли, но, учтя фидбек, я ее доработал и отправил на главную конференцию по рекомендательным системам (вместе с другой reproducibility-статьей). С учетом доработок статью не только приняли на конференцию, но и номинировали на Best Paper Award. Вторую статью тоже приняли. Эти две статьи стали для меня первыми серьезными публикациями на значимой конференции.
Позже было приличное количество статей на конференциях, в журналах и на воркшопах. Самое большое достижение — Best Paper Award на RecSys 2023 в Сингапуре. Самая запоминающаяся конференция — WSDM 2024 в Мексике. Последние две статьи — на ECIR 2025 — я написал во время летней исследовательской практики в Амазоне.
Сейчас, PhD-программа в Университете Глазго подходит к концу, и мне скоро снова нужно будет искать работу в индустрии. Дальше я планирую продолжать работу в индустрии, развивая поиск и рекомендации, и надеюсь делиться результатами с сообществом
Первый раз я познакомился с темой машинного обучения в 2009 году. Тогда, будучи студентом 4-го курса ВМиК МГУ, я попал на стажировку в Яндекс, в команду Яндекс.Пробок, чем был несказанно горд. Я тогда занимался разными интересными задачами, типа фильтрации сигналов пешеходов. Однако мое знакомство с темой машинного обучения оставалось на довольно базовом уровне еще несколько лет, даже несмотря на то, что я писал диплом на тему, связанную с машинным обучением. В любом случае, я видел себя скорее программистом, чем исследователем, и поэтому мои знания не уходили сильно глубже "from sklearn import..."
В 2011 году я закончил ВМиК, а в 2012 ушел из Яндекса и перешел на короткое время в Mail.Ru. Несмотря на то, что в Mail.Ru я работал совсем недолго (полгода), это было первое место, где я впервые столкнулся с задачами IR/RecSys. Я работал в рекламном отделе и занимался задачами, связанными с таргетингом. Именно в 2012 году я впервые познакомился с научным сообществом, которое занималось поиском и рекомендациями. Mail.Ru тогда спонсировали летнюю школу по информационному поиску RuSSIR. Это было очень классное мероприятие, куда приглашали ученых и студентов со всего мира. Жаль, что после 2019 года RuSSIR больше не проводят. Еще во время работы в Mail.Ru я начал учиться в аспирантуре ИПИ РАН, которую в итоге так и не закончил.
После Mail.Ru я несколько лет работал в рекламных стартапах и научными исследованиями почти не занимался (хотя и написал пару статей с соавторами из ИПИ РАН). Там я занимался скорее научпопом: писал статьи на Хабре, преподавал Big Data на курсах и т. д. С исследованиями я снова столкнулся после 2017 года, когда переехал в Великобританию и начал работать в Amazon. В Амазоне была программа по научному руководству студентами Эдинбургского университета, где я руководил несколькими группами студентов совместно с коллегами из команды рекомендаций. Примерно тогда же я начал серьезно погружаться в нейросети и Deep Learning. За время работы со студентами я всерьез задумался о PhD, так как понял, что исследования на пересечении Deep Learning и рекомендательных систем мне очень интересны.
2020 (ковидный) год стал поворотным: мое решение пойти на PhD и заняться исследованиями окончательно дозрело. В этот год, из-за ковида, в отпуск мы поехали не в другие страны, а в соседние города Великобритании. Когда мы приехали в город Durham и погуляли по кампусу местного университета, я, погрузившись в эту атмосферу, сказал себе: "Да, я этого хочу". Тогда же, на границе 2020 и 2021 годов, я поучаствовал в RecSys соревнованиях и написал по результатам первую статью в серьезное место (это был воркшоп на конференции WSDM). Я начал искать, где можно заниматься рекомендательными системами, и нашел группу по информационному поиску в Университете Глазго.
Осенью 2021 года я начал учиться в Университете Глазго, и уже в начале 2022 года я отправил первую статью на конференцию SIGIR. Статью, к сожалению, не приняли, но, учтя фидбек, я ее доработал и отправил на главную конференцию по рекомендательным системам (вместе с другой reproducibility-статьей). С учетом доработок статью не только приняли на конференцию, но и номинировали на Best Paper Award. Вторую статью тоже приняли. Эти две статьи стали для меня первыми серьезными публикациями на значимой конференции.
Позже было приличное количество статей на конференциях, в журналах и на воркшопах. Самое большое достижение — Best Paper Award на RecSys 2023 в Сингапуре. Самая запоминающаяся конференция — WSDM 2024 в Мексике. Последние две статьи — на ECIR 2025 — я написал во время летней исследовательской практики в Амазоне.
Сейчас, PhD-программа в Университете Глазго подходит к концу, и мне скоро снова нужно будет искать работу в индустрии. Дальше я планирую продолжать работу в индустрии, развивая поиск и рекомендации, и надеюсь делиться результатами с сообществом
❤🔥31❤1👍1
Рекомендации, Поиск и Путешествия
Вдохновившись постом @lashinin, первый пост в этом канале будет про мой путь в RecSys Research. Первый раз я познакомился с темой машинного обучения в 2009 году. Тогда, будучи студентом 4-го курса ВМиК МГУ, я попал на стажировку в Яндекс, в команду Яндекс.Пробок…
Включил комменты, но под прошлым постом они автоматом не добавились :( Кто хочет откомментить предыдущий пост, пишите комменты под этим постом.
🔥2
2024: Мои Research-итоги.
В основном, про статьи, конференции и летние школы :)
2024 год выдался для меня очень насыщенным в плане исследований и конференций. С учетом того, что мой PhD подходит к концу, вполне возможно, что этот год останется самым плодотворным в плане публикаций в моей жизни, но как знать.
В начале марта я ездил в Мексику на конференцию Web Search & Data Mining (WSDM'24), где представлял нашу статью RecJPQ. В ней мы показываем, как можно существенно сократить потребление памяти в трансформерах. Кроме того, на WSDM я участвовал в Doctoral Consortium, где делился своим прогрессом по PhD. Это мероприятие могу порекомендовать всем.
В конце марта я активно участвовал в конференции ECIR'24, которая в этом году проходила у меня дома, в Глазго. На конференции я представил статью по оптимизации маленьких языковых моделей для поиска, также поучаствовал в Doctoral Consortium и вместе с научным руководителем провел Tutorial по использованию трансформеров для рекомендательных систем.
Апрель и май оказались довольно тихими месяцами (почти) без конференций, но это время было самым продуктивным для работы над исследованиями, которые мы отправляли на конференцию RecSys. В начале мая я представил работу по использованию Reinforcement Learning для оптимизации метрик, не связанных с точностью (например, Diversity) на воркшопе по генеративным рекомендательным системам на конференции WWW. Также в мае я начал летнюю Research-практику в Amazon.
Летом, пока я работал в Amazon, я успел поучаствовать в летней школе по информационному поиску, где прочитал лекцию по Neural Recommender Systems. В августе я съездил в Корею на конференцию IJCAI. На IJCAI есть трек для статей, получивших Best Paper Award на других конференциях, поэтому там я представил свою прошлогоднюю статью с RecSys.
Сентябрь выдался относительно тихим. В этом месяце у меня родилась дочка, поэтому исследования отошли на второй план. Однако в сентябре расширенную версию прошлогодней статьи с RecSys приняли в журнал Transactions on Recommender Systems в специальный выпуск "Highlights of RecSys'23".
Октябрь, напротив, стал самым насыщенным месяцем. Вместе с научным руководителем мы прочитали лекцию о трансформерах на летней школе. Затем состоялся ACM RecSys, где у меня была статья по эффективному инференсу моделей, статья о моделировании повторов в музыкальных рекомендациях и презентация всего моего исследования на воркшопе LargeRecSys. Интересно, что я оказался единственным представителем академии на воркшопе — все остальные участники были из индустрии (Google, Netflix, Microsoft и другие).
Ноябрь и декабрь были относительно спокойными. В это время я начал активно работать над диссертацией и заниматься поиском работы. В конце декабря пришли положительные результаты по статьям, над которыми я работал летом в Amazon. Про них, а также о том, куда я в итоге решил пойти работать, расскажу уже в 2025 :)
В основном, про статьи, конференции и летние школы :)
2024 год выдался для меня очень насыщенным в плане исследований и конференций. С учетом того, что мой PhD подходит к концу, вполне возможно, что этот год останется самым плодотворным в плане публикаций в моей жизни, но как знать.
В начале марта я ездил в Мексику на конференцию Web Search & Data Mining (WSDM'24), где представлял нашу статью RecJPQ. В ней мы показываем, как можно существенно сократить потребление памяти в трансформерах. Кроме того, на WSDM я участвовал в Doctoral Consortium, где делился своим прогрессом по PhD. Это мероприятие могу порекомендовать всем.
В конце марта я активно участвовал в конференции ECIR'24, которая в этом году проходила у меня дома, в Глазго. На конференции я представил статью по оптимизации маленьких языковых моделей для поиска, также поучаствовал в Doctoral Consortium и вместе с научным руководителем провел Tutorial по использованию трансформеров для рекомендательных систем.
Апрель и май оказались довольно тихими месяцами (почти) без конференций, но это время было самым продуктивным для работы над исследованиями, которые мы отправляли на конференцию RecSys. В начале мая я представил работу по использованию Reinforcement Learning для оптимизации метрик, не связанных с точностью (например, Diversity) на воркшопе по генеративным рекомендательным системам на конференции WWW. Также в мае я начал летнюю Research-практику в Amazon.
Летом, пока я работал в Amazon, я успел поучаствовать в летней школе по информационному поиску, где прочитал лекцию по Neural Recommender Systems. В августе я съездил в Корею на конференцию IJCAI. На IJCAI есть трек для статей, получивших Best Paper Award на других конференциях, поэтому там я представил свою прошлогоднюю статью с RecSys.
Сентябрь выдался относительно тихим. В этом месяце у меня родилась дочка, поэтому исследования отошли на второй план. Однако в сентябре расширенную версию прошлогодней статьи с RecSys приняли в журнал Transactions on Recommender Systems в специальный выпуск "Highlights of RecSys'23".
Октябрь, напротив, стал самым насыщенным месяцем. Вместе с научным руководителем мы прочитали лекцию о трансформерах на летней школе. Затем состоялся ACM RecSys, где у меня была статья по эффективному инференсу моделей, статья о моделировании повторов в музыкальных рекомендациях и презентация всего моего исследования на воркшопе LargeRecSys. Интересно, что я оказался единственным представителем академии на воркшопе — все остальные участники были из индустрии (Google, Netflix, Microsoft и другие).
Ноябрь и декабрь были относительно спокойными. В это время я начал активно работать над диссертацией и заниматься поиском работы. В конце декабря пришли положительные результаты по статьям, над которыми я работал летом в Amazon. Про них, а также о том, куда я в итоге решил пойти работать, расскажу уже в 2025 :)
ACM Conferences
RecJPQ: Training Large-Catalogue Sequential Recommenders | Proceedings of the 17th ACM International Conference on Web Search and…
🔥8
За какими конференциями я слежу/участвую.
ACM RecSys -- главная конференция по рекомендательным системам. Для меня РекСис главная конференция, где я в последние несколько лет постоянно публикуюсь. На конференции очень мощное ощущение сообщества. В отличие от других конференций, на Рексисе очень много представителей индустрии. Много кто туда приезжает "просто послушать", это тоже сильно отличает РекСис от других научных конференций. Еще на RecSys очень заметно присутствие русскоязычного сообщества. На рексисе очень много хороших воркшопов по отраслям, мои любимые воркшопы с RecSys 2024 -- Large RecSys, Video RecSys, Travel RecSys, Roegen. Рейтинг конференции -- CORE-A, в 2025 году конференция будет в Праге в сентябре. Дедлайны обычно в апреле-мае по подаче статей на основной трэк и в августе на воркшопы и late breaking results статей.
ACM SIGIR -- главная конференция по информационному поиску. На SIGIR тоже много статей по рекомендательным системам, но по субъективным ощущениям качество фидбека по RecSys статьям на SIGIR хуже чем на RecSys. SIGIR более академичная конференция чем RecSys, но там тоже есть интересные воркшопы, например GenerativeIR воркшоп где публикуют хорошие статьи в том числе представители из индустрии. Рейтинг конференци CORE-A*. Дедлайны на основной трэк в конце января. В 2025 году конференция будет в Падуе, Италия, в июле.
ECIR -- Европейская конференция по информационному поиску. В каком-то смысле это "маленький SIGIR", с большим фокусом на Евпропу. ECIR я тоже очень люблю за сообщество (хотя именно интересных статей по рекомендательным системам там поменьше чем на RecSys и SIGIR). Дедлайны по отправке на 2025 год уже прошли (но еще можно податься на воркшопы). Рейтинг CORE-A, в 2025 году конференция будет в Лукке, Италия, в Апреле.
ACM WSDM -- конференция по содержанию похожая на SIGIR но сильно более маленькая и бутиковая. На WSDM были опубликованы многие ключевые статьи по рекомендациям (например статья Caser). На самоей конференции ощущение некой "элитарности" -- там немного людей, но многие из тех кто есть -- люди большого профиля. Например в 2024 году keynote была от Head of Search из гугла. Рейтинг -- Core A, в 2025 году будет в Ганновере, Германия, в Марте. Дедлайны уже прошли.
Другие конференции, за которыми я слежу чуть поменьше:
- WWW -- очень большая конференция, "обо всем хоть как то относящемся к web". Там много статей про рекомендации и поиск но много и нерелевантных для меня статей. Рейтинг Core-A*.
- KDD -- Похожая история на WWW; большая конференция по теме Data Mining. Рейтинг Core-A*.
- CIKM -- Большая конференция по Knowledge Management. На CIKM опубликовано много ключевых статей (тот же BERT4Rec), но насколько я знаю туда мало кто ездить "просто послушать". Рейтинг Core-A
- UMAP -- "маленький RecSys". Организуется тем же сообществом что и RecSys, но имеет меньший рейтинг (Core-B), поэтому лучшие статьи туда отправляют реже.
- SIGIR-AP -- новая конференция по информационному поиску с фокусом на Азию и Австралию. Видимо попытка сделать аналог ECIR на азиатский регион, но поскольку конференция новая, рейтинга у нее пока нет.
Какое-то количество релевантных статей публикуют и на больших A* ML конференциях (NeurIPS, ICML, ICLR, IJCAI AAAI, и тд), но поскольку эти конференции "обо всем на свете", ехать туда чтобы пообщаться именно с RecSys сообществом и получить фидбек на статьи про рекомендательные системы по моему мнению смысла нет.
Пишите в комментах если я пропустил что-то интересное, где публикуют много RecSys-related статей!
ACM RecSys -- главная конференция по рекомендательным системам. Для меня РекСис главная конференция, где я в последние несколько лет постоянно публикуюсь. На конференции очень мощное ощущение сообщества. В отличие от других конференций, на Рексисе очень много представителей индустрии. Много кто туда приезжает "просто послушать", это тоже сильно отличает РекСис от других научных конференций. Еще на RecSys очень заметно присутствие русскоязычного сообщества. На рексисе очень много хороших воркшопов по отраслям, мои любимые воркшопы с RecSys 2024 -- Large RecSys, Video RecSys, Travel RecSys, Roegen. Рейтинг конференции -- CORE-A, в 2025 году конференция будет в Праге в сентябре. Дедлайны обычно в апреле-мае по подаче статей на основной трэк и в августе на воркшопы и late breaking results статей.
ACM SIGIR -- главная конференция по информационному поиску. На SIGIR тоже много статей по рекомендательным системам, но по субъективным ощущениям качество фидбека по RecSys статьям на SIGIR хуже чем на RecSys. SIGIR более академичная конференция чем RecSys, но там тоже есть интересные воркшопы, например GenerativeIR воркшоп где публикуют хорошие статьи в том числе представители из индустрии. Рейтинг конференци CORE-A*. Дедлайны на основной трэк в конце января. В 2025 году конференция будет в Падуе, Италия, в июле.
ECIR -- Европейская конференция по информационному поиску. В каком-то смысле это "маленький SIGIR", с большим фокусом на Евпропу. ECIR я тоже очень люблю за сообщество (хотя именно интересных статей по рекомендательным системам там поменьше чем на RecSys и SIGIR). Дедлайны по отправке на 2025 год уже прошли (но еще можно податься на воркшопы). Рейтинг CORE-A, в 2025 году конференция будет в Лукке, Италия, в Апреле.
ACM WSDM -- конференция по содержанию похожая на SIGIR но сильно более маленькая и бутиковая. На WSDM были опубликованы многие ключевые статьи по рекомендациям (например статья Caser). На самоей конференции ощущение некой "элитарности" -- там немного людей, но многие из тех кто есть -- люди большого профиля. Например в 2024 году keynote была от Head of Search из гугла. Рейтинг -- Core A, в 2025 году будет в Ганновере, Германия, в Марте. Дедлайны уже прошли.
Другие конференции, за которыми я слежу чуть поменьше:
- WWW -- очень большая конференция, "обо всем хоть как то относящемся к web". Там много статей про рекомендации и поиск но много и нерелевантных для меня статей. Рейтинг Core-A*.
- KDD -- Похожая история на WWW; большая конференция по теме Data Mining. Рейтинг Core-A*.
- CIKM -- Большая конференция по Knowledge Management. На CIKM опубликовано много ключевых статей (тот же BERT4Rec), но насколько я знаю туда мало кто ездить "просто послушать". Рейтинг Core-A
- UMAP -- "маленький RecSys". Организуется тем же сообществом что и RecSys, но имеет меньший рейтинг (Core-B), поэтому лучшие статьи туда отправляют реже.
- SIGIR-AP -- новая конференция по информационному поиску с фокусом на Азию и Австралию. Видимо попытка сделать аналог ECIR на азиатский регион, но поскольку конференция новая, рейтинга у нее пока нет.
Какое-то количество релевантных статей публикуют и на больших A* ML конференциях (NeurIPS, ICML, ICLR, IJCAI AAAI, и тд), но поскольку эти конференции "обо всем на свете", ехать туда чтобы пообщаться именно с RecSys сообществом и получить фидбек на статьи про рекомендательные системы по моему мнению смысла нет.
Пишите в комментах если я пропустил что-то интересное, где публикуют много RecSys-related статей!
RecSys
Home - RecSys
❤🔥11👍9
Книги по рекомендательным системам
По рекомендательным системам существует не так много книг. Вот несколько, на которые стоит обратить внимание:
Practical Recommender Systems
Автор: Kim Falk
Год выпуска: 2019
Издательство: Manning
Хорошая, но довольно базовая книга. Она подойдет в качестве введения в тему, но не сделает вас экспертом. Уровень материала скорее начальный, но книга может помочь освоить основные алгоритмы. Автор — представитель индустрии, поэтому книга написана с акцентом на прикладные аспекты.
Personalised Machine Learning
Автор: Julian McAuley
Год выпуска: 2022
Издательство: Cambridge University Press
Джулиан — университетский профессор, и книга основана на его курсе в Университете Сан-Диего. Уровень материала здесь также скорее начальный, но с более академическим уклоном. Книга подойдет, если вы только начинаете изучать рекомендательные системы и у вас это первый опыт работы с машинным обучением.
Recommender Systems Handbook
Редакторы: Francesco Ricci, Lior Rokach, Bracha Shapira
Год выпуска: 2022 (3-я редакция)
Издательство: Springer
Эта книга — практически "библия" в области рекомендательных систем. Однако она не предназначена для чтения "от корки до корки". Это скорее сборник статей от авторитетных специалистов по различным темам, связанным с рекомендательными системами. Ее лучше использовать для изучения конкретных глав, релевантных вашей задаче.
Collaborative Recommendations: Algorithms, Practical Challenges and Applications
Редакторы: Shlomo Berkovsky, Iván Cantador, Domonkos Tikk
Год выпуска: 2019
Издательство: World Scientific
Эта книга похожа на Recommender Systems Handbook, но написана другим кругом авторов. Ее можно рассматривать как дополнение к Handbook.
Recommender Systems: The Textbook
Автор: Charu C. Aggarwal
Год выпуска: 2018
Издательство: Springer
Книга получила хорошие отзывы и часто цитируется в статьях. Однако она была опубликована достаточно давно, поэтому современные модели вы там, скорее всего, не найдете. Тем не менее, она остается полезным ресурсом для понимания основ.
Building Recommendation Systems in Python and JAX: Hands-On Production Systems at Scale
Авторы: Bryan Bischof и Hector Yee
Год выпуска: 2023
Издательство: O'Reilly
Довольно новая книга (конец 2023 года), в которой даже есть ссылка на мои работы :). Поскольку книга свежая, я еще не успел ее детально изучить, но она выглядит практичной и содержит множество примеров кода. Уровень материала скорее вводный, с упоминанием более продвинутых моделей в конце. В книге используется JAX для реализации — это относительно редкий фреймворк за пределами Google.
Напишите в комментах если я пропустил что-то важное. Если вы читали какие-то из этих книжек, тоже напишите мнение, это может помочь тем кто только выбирает что почитать по теме рекомендательных систем.
По рекомендательным системам существует не так много книг. Вот несколько, на которые стоит обратить внимание:
Practical Recommender Systems
Автор: Kim Falk
Год выпуска: 2019
Издательство: Manning
Хорошая, но довольно базовая книга. Она подойдет в качестве введения в тему, но не сделает вас экспертом. Уровень материала скорее начальный, но книга может помочь освоить основные алгоритмы. Автор — представитель индустрии, поэтому книга написана с акцентом на прикладные аспекты.
Personalised Machine Learning
Автор: Julian McAuley
Год выпуска: 2022
Издательство: Cambridge University Press
Джулиан — университетский профессор, и книга основана на его курсе в Университете Сан-Диего. Уровень материала здесь также скорее начальный, но с более академическим уклоном. Книга подойдет, если вы только начинаете изучать рекомендательные системы и у вас это первый опыт работы с машинным обучением.
Recommender Systems Handbook
Редакторы: Francesco Ricci, Lior Rokach, Bracha Shapira
Год выпуска: 2022 (3-я редакция)
Издательство: Springer
Эта книга — практически "библия" в области рекомендательных систем. Однако она не предназначена для чтения "от корки до корки". Это скорее сборник статей от авторитетных специалистов по различным темам, связанным с рекомендательными системами. Ее лучше использовать для изучения конкретных глав, релевантных вашей задаче.
Collaborative Recommendations: Algorithms, Practical Challenges and Applications
Редакторы: Shlomo Berkovsky, Iván Cantador, Domonkos Tikk
Год выпуска: 2019
Издательство: World Scientific
Эта книга похожа на Recommender Systems Handbook, но написана другим кругом авторов. Ее можно рассматривать как дополнение к Handbook.
Recommender Systems: The Textbook
Автор: Charu C. Aggarwal
Год выпуска: 2018
Издательство: Springer
Книга получила хорошие отзывы и часто цитируется в статьях. Однако она была опубликована достаточно давно, поэтому современные модели вы там, скорее всего, не найдете. Тем не менее, она остается полезным ресурсом для понимания основ.
Building Recommendation Systems in Python and JAX: Hands-On Production Systems at Scale
Авторы: Bryan Bischof и Hector Yee
Год выпуска: 2023
Издательство: O'Reilly
Довольно новая книга (конец 2023 года), в которой даже есть ссылка на мои работы :). Поскольку книга свежая, я еще не успел ее детально изучить, но она выглядит практичной и содержит множество примеров кода. Уровень материала скорее вводный, с упоминанием более продвинутых моделей в конце. В книге используется JAX для реализации — это относительно редкий фреймворк за пределами Google.
Напишите в комментах если я пропустил что-то важное. Если вы читали какие-то из этих книжек, тоже напишите мнение, это может помочь тем кто только выбирает что почитать по теме рекомендательных систем.
Manning Publications
Practical Recommender Systems - Kim Falk
Build a recommender system that delights users and drives results!
👍19🔥1
Поделюсь радостью: две мои статьи приняли на конференцию #ECIR2025 (Европейская конференция по информационному поиску, Core-A).
1. Статью CountNet: Utilising Repetition Counts in Sequential Recommendation приняли в качестве Full Paper. Статья в соавторстве с Efi Karra Taniskidou и Sean Murphy; я первый автор.
2. Статью Improving Minimax Group Fairness in Sequential Recommendation приняли в качестве Full Paper на IR4Good трэк конференции. Тут первый автор Krishna Acharya; со-авторы David Wardrope, Timos Korres, Anders Uhrenholt и я.
Детали, пре-принты и надеюсь код скоро опубликую отдельными постами.
ECIR одна из моих любимых конференций: она не очень большая, но на ней много очень интересных людей, и практически все работают в той же области что и я. Субъективно, качество презентаций на ECIR в среднем выше чем на более крупных конференциях (именно презентаций, а не статей); думаю что это связано с тем что много делегатов приезжает из стран где все хорошо с английским языком.
В этом году ECIR будет в городе Лукка, Тоскана, Италия. Там рядом много всего интересного — Пизанская башня в Пизе, галерея Уффици в Флоренции; так что можно будет совместить приятное с полезным. Для меня будет вторая конференция в Италии за последнее время (первая была RecSys 2024 в Бари).
В списках принятых статей видел много знакомых, в том числе несколько людей из чатика :) Надеюсь скоро увидеться!
1. Статью CountNet: Utilising Repetition Counts in Sequential Recommendation приняли в качестве Full Paper. Статья в соавторстве с Efi Karra Taniskidou и Sean Murphy; я первый автор.
2. Статью Improving Minimax Group Fairness in Sequential Recommendation приняли в качестве Full Paper на IR4Good трэк конференции. Тут первый автор Krishna Acharya; со-авторы David Wardrope, Timos Korres, Anders Uhrenholt и я.
Детали, пре-принты и надеюсь код скоро опубликую отдельными постами.
ECIR одна из моих любимых конференций: она не очень большая, но на ней много очень интересных людей, и практически все работают в той же области что и я. Субъективно, качество презентаций на ECIR в среднем выше чем на более крупных конференциях (именно презентаций, а не статей); думаю что это связано с тем что много делегатов приезжает из стран где все хорошо с английским языком.
В этом году ECIR будет в городе Лукка, Тоскана, Италия. Там рядом много всего интересного — Пизанская башня в Пизе, галерея Уффици в Флоренции; так что можно будет совместить приятное с полезным. Для меня будет вторая конференция в Италии за последнее время (первая была RecSys 2024 в Бари).
В списках принятых статей видел много знакомых, в том числе несколько людей из чатика :) Надеюсь скоро увидеться!
🔥17👍7