Данный текст является авторским переводом поста A Scalable Approach for Partially Local Federated Learning.
Примечания:
Рубрика «recommendation systems»
Масштабируемый подход к частично локальному федеративному обучению
2022-01-15 в 17:38, admin, рубрики: federated, machinelearning, recommendation systems, машинное обучениеКак мы кратно улучшили качество рекомендаций в оффлайн ритейле
2020-03-27 в 14:54, admin, рубрики: big data, data engineering, data mining, data science, gtc, machine learning, Nvidia, python, recommendation systems, recommender system, retail, startups, машинное обучениеВсем привет! Меня зовут Саша, я CTO & Co-Founder в LoyaltyLab. Два года назад я с друзьями, как и все бедные студенты, ходил вечером за пивом в ближайший магазин у дома. Нас очень расстраивало, что ритейлер, зная, что мы придём за пивом, не предлагает скидку на чипсы или сухарики, хотя это так логично! Мы не поняли, почему такая ситуация происходит и решили сделать свою компанию. Ну и как бонус выписывать себе скидки каждую пятницу на те самые чипсы.
И дошло всё до того, что с материалом по технической стороне продукта я выступаю на NVIDIA GTC. Мы рады делиться наработками с коммьюнити, поэтому я выкладываю свой доклад в виде статьи.
ок.tech Data Толк #3: мини-интервью спикеров
2019-11-01 в 5:46, admin, рубрики: big data, data mining, ok.ru, recommendation systems, recsys, Блог компании Одноклассники, искусственный интеллект, машинное обучение, одноклассники
Проект ок.tech Data Толк родился как дискуссионная площадка для специалистов, занимающихся обработкой и аналитикой больших данных. Каждый раз мы подчеркиваем, что основная задача наших митапов – это не доклады, хотя они тоже очень важны, а открытая дискуссия аудитории со спикерами, во время которой у участников есть время обсудить любые вопросы в рамках тематики мероприятия. Мы считаем, что в сложившейся ситуации когда количество проблем и нерешенных задач в области Data Science стремительно растет, открытый диалог очень важен.
Мы провели 2 встречи, на первой обсуждали достоинства и недостатки разных подходов к хранению данных и то, как эти подходы влияют на работу разных команд, а также коснулись вопросов эволюции хранилищ данных. Вторая встреча была посвящена образованию в Data Science, на площадке встретились представители разных мнений, спикеры поговорили о важности университетского образования, разнообразии онлайн-курсов и их особенностях, а также о том, какими навыками необходимо обладать, чтобы стать крутым и востребованным датасаентистом.
В преддверии третьего митапа, который пройдет 6 ноября в Москве и будет посвящен рекомендательным системам, мы поговорили со спикерами об их пути в разработку рекомендательных систем, о том как им видится их будущее этого направления и попросили порекомендовать, что надо делать сейчас, чтобы знания и умения оставались актуальными даже через несколько лет. Также мы поинтересовались, о чем они будут рассказывать на митапе и почему стоит посетить это мероприятие.
Дедлайн конкурса Stepik Contest продлен до 31 марта, самое время создавать IT-задачи
2017-02-03 в 12:16, admin, рубрики: adaptive, adaptive learning, Applied Computer Science, challenge, Competition, contest, data science, java, javascript, lesson, online education, personalization, python, recommendation systems, stepik, stepik contest, stepik.org, Theoretical Computer Science, адаптивность, английский язык, Блог компании Stepik.org, грант, Занимательные задачки, конкурс, приз, программисты спасут мир, рекомендательные системы, стэпикНовогодние праздники и январь прошли очень быстро и вместо большого количества курсов для конкурса Stepik Contest команда Stepik получила множество запросов с просьбами продлить дедлайн. Мы решили продлить срок конкурса до 31 марта, а сейчас — подвести промежуточные итоги, ответить на вопросы и разъяснить все неочевидные моменты конкурса.
Итак, конкурс Stepik Contest, дедлайн 31 марта, чтобы выиграть от $2K до $10K нужно создать 20+ задач по темам IT на платформе Stepik, adaptive.stepik.org.
Рекомендательные системы в онлайн-образовании. Продолжение
2016-08-16 в 6:40, admin, рубрики: adaptive, adaptive learning, personalization, recommendation systems, stepic, stepic.org, адаптивность, Алгоритмы, Анализ и проектирование систем, без регистрации и смс, бесплатное образование, Блог компании Stepic.org, граф, математика, машинное обучение, переход, регрессия, регуляризация, рекомендательные системы, стэпик, хендлерМы продолжаем рассказывать об системе адаптивного обучения на Stepic.org. Первую вводную часть этой серии можно почитать здесь.
В данной статье мы расскажем о построении рекомендательной системы (которая и лежит в основе адаптивности). Расскажем о сборе и обработке пользовательских данных, о графах переходов, хендлерах, оценке реакции пользователя, формировании выдачи.
Вспомним про линейную регрессию, регуляризацию и даже поймём, почему в нашем случае лучше использовать гребневую регрессию, а не какую-нибудь там ещё.
Рекомендательные системы в онлайн-образовании
2016-06-06 в 12:23, admin, рубрики: adaptive, adaptive learning, personalization, recommendation systems, stepic, stepic.org, адаптивность, без регистрации и смс, бесплатное образование, Блог компании Stepic.org, Исследования и прогнозы в IT, рекомендательные системы, стэпик, Учебный процесс в IT28 апреля 2016 года мы официально объявили о запуске первого адаптивного курса на Stepic.org, который подбирает задачи по Python в зависимости от уровня учащегося. До этого мы ещё реализовали на платформе рекомендованные уроки, чтоб учащиеся как не забывали, что они уже прошли, так и открывали для себя новые темы, которые могут их заинтересовать.
Этой статьёй мы начинаем цикл о рекомендательных системах и адаптивном обучении.
Под катом две основные темы:
- про онлайн-образование, плюсы/минусы/подводные камни;
- классификация рекомендательных систем, их применимость в образовании, примеры.
