Informações
Pré-requisito: Aprendizado de Máquina
Ementa
Sistemas de Recomendação. Taxonomia dos Sistemas de Recomendação. Técnicas de Recomendação. Filtragem Colaborativa. Avaliação de algoritmos para Sistemas de Recomendação.
Objetivos
Ao final da disciplina o aluno deve:
- Compreender as principais técnicas, conceitos da área de Sistemas de Recomendação e exemplos de aplicação;
- Identificar o potencial dessas para o desenvolvimento de sistemas de apoio à decisão, mineração de dados e recuperação da informação;
- Aplicar as tecnologias apresentadas em problemas de natureza diversa.
Conteúdo Programático
Sumário
- Aprendizado de Máquina
- Computação Científica
- Introdução a Sistemas de Recomendação
- Analisando um Sistemas de Recomendação
- Sistemas de Recomendação Não Personalizado
- Sistemas de Recomendação Personalizado
- Métricas e Avaliação dos Recomendadores
- Baseado em Conteúdo
- Filtragem Colaborativa
- Algoritmos Baseado em Memória
- Algoritmos Baseado em Modelo
- Tópicos Avançados
Tópicos de Aula
01. Aprendizado de Máquina
Conteúdo
- Aprendizado de Máquina
- Aprendizado Indutiva
- Formas de Aprendizado
- Aprendizado Supervisionado
- Classificação e Regressão
- Métricas de Avaliação
- Avaliação de Modelo
- Underfitting e Overfitting
Materiais
02. Computação Científica
Conteúdo
- Em breve
Materiais
- Programação Científica (video)
- Estrutura Básica da Linguagem Julia (video)
- Tópicos Avançados da Linguagem Julia (video)
- Gerenciador de Pacotes Pkg.jl (video)
03. Introdução a Sistemas de Recomendação
Conteúdo
- Sistemas de Recomedação
- História da Área
- Ciclo da Recomendação
- Formas de Recomendação
- Tópicos de Pesquisa
Materiais
04. Analisando um Sistemas de Recomendação
Conteúdo
- Modelo de Preferência
- Preferência Explícita
- Preferência Implícita
- Predição
- Recomendação
Materiais
05. Sistemas de Recomendação Não Personalizado
Conteúdo
- Em breve
06. Sistemas de Recomendação Personalizado
Conteúdo
- Formalização
- Funções de um SRs
- Categorias
- Evolução
07. Métricas e Avaliação dos Recomendadores
Conteúdo
- Medidas para Previsão
- Medidas para Recomendação
- Cobertura
- Diversidade
- Serendipity
- Experimentos
08. Baseado em Conteúdo
Conteúdo
- Em breve
09. Filtragem Colaborativa
Conteúdo
- Em breve
10. Algoritmos Baseado em Memória
Conteúdo
- Em breve
11. Algoritmos Baseado em Modelo
Conteúdo
- Em breve
12. Tópicos Avançados
Conteúdo
- Context-aware
- Time-aware
- Active learning
- Cold start
- Group recommendation
- Trust
Referência Bibliográfica
Principal
- Ricci, F., Rokach, L., Shapira, B., Kantor, P. B. Recommender Systems Handbook, Springer-Verlag, 2010.