• 27 февраля 2018, вторник
  • Москва, Лесная, 7

Avito Data Science Meetup: Personalization

Регистрация на событие закрыта

Извините, регистрация закрыта. Возможно, на событие уже зарегистрировалось слишком много человек, либо истек срок регистрации. Подробности Вы можете узнать у организаторов события.

Другие события организатора

2413 дней назад
27 февраля 2018 c 18:00 до 20:30
Москва
Лесная, 7

27 февраля приглашаем практикующих специалистов по Data Science на митап, посвящённый персонализации пользователей. Вы услышите доклады от представителей Сингапурского Университета Менеджмента, а также Avito. Регистрируйтесь на встречу и приглашайте коллег!

Доклады

Learning User Preferences from Multi-Modal Data
Hady W. Lauw (Assistant Professor of Information Systems, Singapore Management University)
Максим Ткаченко (PhD Candidate, Singapore Management University)

Given the huge number of choices that we often face when interacting with various online systems, such as e-commerce, search engines, and social media, there is a need to personalize user experience through recommending those items that user is most likely to be interested in. The challenge is that these behavioral data come in diverse modalities, such as the numerical ratings users assign, the text reviews users write, the visual images that users post, as well as the network of other users that one follows. In this talk, we explore data mining and machine learning techniques for modeling user preferences from such multi-modal representations, towards building end-to-end recommendation systems.

Доклад прозвучит на английском языке

Мы часто сталкиваемся с огромным количеством информации, взаимодействуя с поисковыми системами, системами электронной коммерции, социальными сетями и так далее. Учитывая, что только часть этой информации будет интересна конкретному пользователю, необходимо персонализировать взаимодействие с подобными системами, заранее рекомендуя пользователям информацию, потенциально соответствующую их предпочтениям.

Ключ к хорошим рекомендациям — моделирование огромных массивов поведенческих данных, которые возникают в результате взаимодействия пользователей с онлайн-системами. Проблема здесь состоит в том, что эти взаимодействия — мультимодальны, то есть составлены из различных типов данных, таких как пользовательские рейтинги, отзывы, фотографии или их социальные взаимодействия. В данном докладе мы поговорим о методах интеллектуального анализа данных и машинного обучения для моделирования пользовательских предпочтений в мультимодальных данных и их использовании при создания полноценной рекомендательной системы.

Кластеризация волатильных объявлений с помощью EM-алгоритма
Василий Лексин (Avito)

Расскажу, как можно делать unsupervised кластеризацию короткоживущих объявлений на примере Avito. Данный подход позволяет получить устойчивых кластеры товаров для последующего применения в алгоритмах рекомендаций. Представлю оптимизированный EM-алгоритм, способный эффективно обрабатывать огромные массивы данных. Расскажу про методики оценки качества кластеризации и о прикладных применениях алгоритма.

Трансляция

Ссылку на прямую трансляцию митапа ищите в день мероприятия на YouTube канале AvitoTech.

Расписание

18:00 — 18:30 — Регистрация
18:30 — 19:30 — Learning User Preferences from Multi-Modal Data  Hady W. Lauw, Максим Ткаченко (Singapore Management University)
19:30 — 19:45 — Кофе-брейк
19:45 — 20:30 — Кластеризация волатильных объявлений с помощью EM-алгоритма — Василий Лексин (Avito)

Для участия в событии необходимо зарегистрироваться и получить подтверждение в письме.  Количество мест ограничено. Пожалуйста, вносите ФИО в форму так, как написано у вас в паспорте. В день мероприятия не забудьте захватить с собой паспорт или водительское удостоверение.

Регистрация

Рекомендуемые события

Организуете события? Обратите внимание на TimePad!

Профессиональная билетная система, статистика продаж 24/7, выгрузка списков участников, встроенные инструменты продвижения, личный кабинет для самостоятельного управления и еще много чего интересного.

Узнать больше