Przejdź do treści głównej
Referencja techniczna

Referencja architektury systemów rekomendacyjnych

Zbiór materiałów opisujących projektowanie systemów rekomendacji, algorytmy personalizacji oraz infrastrukturę uczenia maszynowego stosowaną w e-commerce i mediach cyfrowych w Polsce.

Tematy przewodnie

Algorytmy personalizacji

Filtracja kolaboratywna, content-based filtering oraz podejścia hybrydowe stosowane do generowania rekomendacji.

Architektura systemów

Etapy generowania kandydatów, rankingu oraz obsługi problemu zimnego startu w praktycznych wdrożeniach.

Wdrożenia w Polsce

Konteksty stosowania systemów rekomendacji w polskich sklepach internetowych i serwisach medialnych.

Najnowsze materiały

Historia systemów rekomendacji: od list rankingowych do modeli głębokich Historia i kontekst

Historia systemów rekomendacji: od list rankingowych do modeli głębokich

Chronologiczny przegląd rozwoju systemów rekomendacyjnych — od wczesnych list popularności, przez filtrację kolaboratywną, po współczesne architektury oparte na sieciach neuronowych.
Filtracja kolaboratywna: zasady działania i ograniczenia Algorytmy

Filtracja kolaboratywna: zasady działania i ograniczenia

Wyjaśnienie mechanizmu filtracji kolaboratywnej — jak systemy przewidują oceny użytkowników na podstawie zachowań innych użytkowników oraz jakie są typowe ograniczenia tej metody.
Content-based filtering a filtracja kolaboratywna: porównanie podejść Algorytmy

Content-based filtering a filtracja kolaboratywna: porównanie podejść

Zestawienie dwóch fundamentalnych podejść do rekomendacji — opartego na cechach treści oraz opartego na zachowaniach użytkowników — wraz z ich mocnymi i słabymi stronami.
Architektura dwuetapowa: generowanie kandydatów i ranking Architektura systemów

Architektura dwuetapowa: generowanie kandydatów i ranking

Opis typowej architektury współczesnych systemów rekomendacyjnych składającej się z etapu generowania kandydatów oraz etapu precyzyjnego rankingu.
Problem zimnego startu w systemach rekomendacji Architektura systemów

Problem zimnego startu w systemach rekomendacji

Analiza problemu cold start — sytuacji, w której system nie posiada wystarczających danych o nowym użytkowniku lub nowym produkcie, oraz przegląd metod stosowanych do jego ograniczenia.
Systemy rekomendacji w polskim e-commerce: konteksty wdrożeń Wdrożenia w Polsce

Systemy rekomendacji w polskim e-commerce: konteksty wdrożeń

Przegląd kontekstów, w jakich systemy rekomendacji są wdrażane w sklepach internetowych działających na rynku polskim, wraz z typowymi wyzwaniami wdrożeniowymi.
Metryki oceny jakości rekomendacji: precision, recall, NDCG Ewaluacja

Metryki oceny jakości rekomendacji: precision, recall, NDCG

Omówienie najczęściej stosowanych metryk służących do oceny skuteczności systemów rekomendacyjnych oraz kontekstów, w których poszczególne metryki są przydatne.
Systemy rekomendacji: najczęściej zadawane pytania FAQ

Systemy rekomendacji: najczęściej zadawane pytania

Zbiór odpowiedzi na pytania dotyczące zasad działania, ograniczeń i praktycznych aspektów systemów rekomendacyjnych.

O tym serwisie

Serwis Rekomendacje ML gromadzi materiały referencyjne dotyczące projektowania systemów rekomendacji. Treści koncentrują się na aspektach technicznych — architekturze, algorytmach oraz metrykach oceny — a nie na promowaniu konkretnych rozwiązań komercyjnych. Więcej informacji znajduje się na stronie O nas.