Systèmes de recommandation

Enseignants

Sommer Felix;

Langue
d'enseignement

Français

Thèmes abordés

Les thèmes principaux de ce cours sont :
- Principaux courants en recommandation

• Recommandation collaborative
• Recommandation basée sur le contenu
• Recommandation basée sur la connaissance

- Principales techniques et principaux modèles en recommandation

• Modèle des plus proches voisins
• Modèle des classes latentes
• Modèles basés sur la réduction de dimensionnalité et les décompositions
• matricielles (par exemple, nonnegative matrix factorization)
• etc.

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :
1	Comprendre les principaux courants soutenant les systèmes de recommandation ; Comprendre et décrire les principales techniques et les principaux modèles utilisés dans les systèmes de recommandation ; Appliquer, sur des données réelles, différentes techniques de recommandation, et comparer la qualité des résultats obtenus en appliquant ces techniques ; Analyser et interpréter les résultats fournis par l'application de techniques de recommandation.

Contenu

Les systèmes de recommandation aujourd'hui jouent un rôle de plus en plus important pour savoir proposer des produits ou services aux consommateurs. La recommandation des films, de la musique, des nouvelles, des services financiers, termes de recherche, ou des contacts professionnels, etc. est devenu un atout clé pour de nombreuses entreprises. Les systèmes de recommandation peuvent être basés sur de nombreuses approches existantes. Ce cours a pour objet certains de ces systèmes en mettant les données des systèmes de recommandation, le filtrage collaboratif, la factorisation de la matrice et l'évaluation des systèmes de recommandation en évidence.

Méthodes d'enseignement

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

Cours, Travaux pratique intégré dans les cours

Modes d'évaluation
des acquis des étudiants

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

Examen oral basé sur les cours ainsi qu’un projet de développement

Ressources
en ligne

Introduction en bref : https://tryolabs.com/blog/introduction-to-recommender-systems/
Aperçu général : https://link.springer.com/book/10.1007%2F978-3-319-29659-3

Bibliographie

Ekstrand, Michael D., John T. Riedl, and Joseph A. Konstan. "Collaborative filtering recommender systems." Foundations and Trends® in Human–Computer Interaction 4, no. 2 (2011): 81-173.
Aggarwal, Charu C.. “Recommender Systems.” Springer International Publishing (2016).

Faculté ou entité
en charge

CLSM