Disciplina Fundamentos de Sistemas de Recomendação

Esta cadeira fornece os fundamentos para o desenho e implementação de sistemas de recomendação (SR). Os alunos/as aprendem sobre os diferentes algoritmos relevantes, incluindo filtragem colaborativa, que envolve a previsão de preferências do utilizador com base nas preferências de utilizadores semelhantes, e recomendação baseada em conteúdo. Além destes tópicos fundamentais, os alunos aprendem também técnicas mais avançadas, como SR híbridos, SR sensíveis ao contexto, uso de deep learning e avaliação de SR. A cadeira tem uma abordagem teórico-prática que inclui a implementação de sistemas de recomendação usando conjuntos de dados do mundo real, para obter experiência prática com técnicas de ponta. No final da cadeira, os alunos/as terão uma compreensão profunda do estado da arte em sistemas de recomendação e serão capazes de aplicar essas técnicas a problemas do mundo real.

Não aplicável

CP1. Introdução aos Sistemas de Recomendação CP2. Filtragem Colaborativa (Collaborative Filtering) CP3. Filtragem Baseada em Conteúdo CP4. Sistemas de Recomendação Híbridos CP5. Métricas de Avaliação para Sistemas de Recomendação CP6. Factorização de Matrizes CP7. Abordagens de Aprendizagem Profundo para Sistemas de Recomendação CP8. Ética e Implicações Sociais dos Sistemas de Recomendação

Os métodos de ensino foram desenhados para criar uma experiência de aprendizagem envolvente e eficaz. O modelo de aula tradicional fornece conhecimento fundamental e debates em sala de aula motivam os estudantes a participar ativamente do processo de aprendizagem, desenvolvendo habilidades de pensamento crítico e analítico cruciais para o sucesso da disciplina. A abordagem de auto-avaliações de recuperação de conhecimento em memória exige que os alunos recuperem informações da memória e as comuniquem com as próprias palavras para melhorar a retenção de informações a longo prazo. A combinação de aulas, debates em sala e auto-avaliações cria uma experiência de aprendizagem completa que atende às necessidades de todos os estudantes, independentemente do seu estilo cognitivo. Os métodos de ensino usados nesta disciplina desenvolvem as habilidades e o conhecimento necessários para ter sucesso como cientista de dados.

Introduction to Recommender Systems by Aggarwal, C. C. (2016)