Системи за препоручивање

Студенти су оспособљени да: (а) препознају и анализирају пословне проблеме који се могу решити системима за препоручивање; (б) разумеју постојећа решења за системе за препоручивање; (в) припреме податке за примену алгоритама за препоручивање (г) моделују системе за препоручивање кроз примену алгоритама машинског учења; (д) упоређују различите алгоритме и евалуирају њихове разлике; (ђ) примењују програмске библиотеке и алгоритме; (е) интерпретирају резултате система за препоручивање.

Студенти поседују напредна академска и стручна знања из области система за препоручивање. Самостално анализирају пословне проблеме и примењују алате и софтверска решења за изградњу система за препоручивање. Самостално упоређују различите алгоритме за препоручивање, као и начине за њихово унапређење. Самостално интерпретирају резултате алгоритама и вреднују њихов утицај на пословни систем за који су креирани. Такође, студенти могу да раде у тиму на решавању изградње система за препоручивање, као и да разумеју значај тих алата и последице које коришћење тих алата може имати у ширем окружењу.

Предавања се реализују комбинацијом класичне наставе, студијама случајева и гостујућим предавањима стручњака из праксе. Вежбе се реализују класичним начином преко решавања задатака, али и коришћењем одговарајућих програмских језика за системе препоруке.

Теоријска настава
П-01: Увод у системе за препоручивање, П-02: Алгоритам к најближих суседа, П-03: Метрике и евалуација система за препоручивање, П-04: Метрике и евалуација система за препоручивање – наставак, П-05: Закључивање на основу случајева, П-06: Алгоритми засновани на садржају (енг. Content-based Filtering), П-07: Алгоритми засновани на садржају 2, П-08: Основни алгоритми система за препоручивање (енг. Baseline Algorithms), П-09: Колаборативно филтрирање засновано на корисницима, П-10: Колаборативно филтрирање засновано на ставкама, П-11: Увод у колаборативно филтрирање засновано на моделима факторизације матрице, П-12: Колаборативно филтрирање засновано на моделима факторизације матрице, П-13: Учење рангирања 1, П-14: Учење рангирања 2, П-15: Напредне теме система препоруке.
Практична настава
В-01: Увод у системе за препоручивање, В-02: Алгоритам к најближих суседа, В-03: Метрике и евалуација система за препоручивање, В-04: Метрике и евалуација система за препоручивање – наставак, В-05: Закључивање на основу случајева, В-06: Алгоритми засновани на садржају (енг. Content-based Filtering), В-07: Алгоритми засновани на садржају 2, В-08: Основни алгоритми система за препоручивање (енг. Baseline Algorithms), В-09: Колаборативно филтрирање засновано на корисницима, В-10: Колаборативно филтрирање засновано на ставкама, В-11: Увод у колаборативно филтрирање засновано на моделима факторизације матрице, В-12: Колаборативно филтрирање засновано на моделима факторизације матрице, В-13: Учење рангирања 1, В-14: Учење рангирања 2, В-15: Напредне теме система препоруке.

1. Лазаревић Б., Марјановић З., Аничић Н., Бабарогић С. Базе података ФОН 2018
2. Сукновић, М., Делибашић, Б. Пословна интелигенција и Системи за подршку одлучивању ФОН 2010
3. Kimball R., Ross M. The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling. Third Edition. John Wiley & Sons 2013
4. Петровић М., Бјеладиновић С. Наставни материјали и вежбе са сајта is.fon.bg.ac.rs и odlucivanje.fon.bg.ac.rs. ФОН 2020
5. Вукићевић М. Наставни материјали и вежбе са сајта odlucivanje.fon.bg.ac.rs ФОН 2020