[AI product engineer] Лекция 08 vol 01: Введение в рекомендательные системы: content-based

Канал о продуктовом подходе к ML https://t.me/locomotive_production_driver [02:46] Бизнес-постановка задачи: Паралич выбора при большом объеме каталога [04:39] Определение релевантности в контексте рекомендательных систем [07:31] Типы пользовательского фидбэка: Явный vs. Неявный (лайки vs. длительность просмотра) [14:25] Различные виды рекомендаций: User-to-Content (персональные) и Content-to-Content (похожие) [17:42] Классические подходы: Коллаборативная (похожие пользователи) и Контентная фильтрация [21:58] Гибридные системы и использование простых моделей для генерации кандидатов [32:56] Представление данных: Работа с разреженной матрицей (Sparse Matrix) взаимодействий [48:54] Переход к моделям на основе эмбеддингов через Матричную факторизацию [58:38] Ранжирующие метрики для оценки рекомендаций, такие как Average Precision [01:06:56] Архитектура рекомендательной системы в продакшене (схема с Feature Store)