Sylabus
Od studentů je předpokládána základní znalost doporučovacích systémů (cca v rozsahu předmětu NSWI166).
Uživatelské preference
- Úvod, motivace, výzvy a příklady uživatelských preferencí
- Problematika definice / modelování uživatelských preferencí, typy zpětné vazby, lineární monotóní preferenční model
- Učení uživatelských preferencí, interpretace zpětné vazby, agregace preferencí & fuzzy logické spojky
- Aplikace uživatelských preferencí, doporučovací systémy, personalizované vyhledávání, challenge-response model
Pokročilé oblasti doporučovacích systémů
- Problém férovosti/proporcionality v doporučovacích systémech
- Multikriteriální optimalizace & vyhodnocování v doporučovacích systémech
- Dynamické doporučovací systémy: multi-armed bandits & reinforcement learning
- Unbiased evaluation, inverse propensity, feedback loops problém
- Deep learning pro heterogenní doporučovací systémy
Anotace
V předmětu se zaměříme především na hlubší pochopení uživatelských preferencí/potřeb/požadavků.
Problematika je závislá např. na frekvenci návštěv a cílové doméně. Zaměříme se např. na problémy proporcionality, změny preferencí, multikriterialitu, nestranného vyhodnocování a dále na algoritmy schopné se v takových podmínkách učit a doporučovat. Dále se zaměříme na širší kontext interpretace preferencí například při vyhledávání (ostré/fuzzy preference, grafická interpretace preferencí). Cvičení se skládají z referátů o současných výsledcích a projektu virtuálního „Lean startup“.
