Zaznajomienie z celem personalizacji treści w Internecie. Poznanie systemów rekomendacji opartych o filtrowanie kolaboratywne, przetwarzanie tekstu. Poznanie metod określania podobieństwa pomiędzy obiektami oraz metodologii oceny działania algorytmów personalizacji. Zdobycie umiejętności implementacji efektywnego systemu rekomendacji.

Wykład:
1. Wprowadzenie do problemu personalizacji treści. Przegląd i analiza działających systemów personalizacji.
2. Niespersonalizowane systemy rekomendacji.
3. Filtrowanie kolaboratywne (collaborative filtering). Systemy user-to-user oraz item-to-item.
4. Filtrowanie oparte o przetwarzanie tekstu (content-based).
5. Metody szacowania podobieństwa oraz wyznaczania sąsiedztwa.
6. Faktoryzacja macierzy w systemach rekomendacji. Systemy hybrydowe.
7. Ocena działania technik personalizacji.

Pracownia specjalistyczna:
1. Analiza cech i przeznaczenia działających systemów personalizacji.
2. Implementacja niespersonalizowanego systemu rekomendacji.
3. Wykorzystanie gotowych bibliotek do implementacji techniki filtrowania kolaboratywnego.
4. Wykorzystanie gotowych bibliotek do implementacji techniki filtrowania typu content-based.
5. Zastosowanie i weryfikacja metod szacowania podobieństwa oraz wyznaczania sąsiedztwa.
6. Implemenatcja techniki faktoryzacji macierzy w systemach rekomendacji.
7. Ocena działania technik personalizacji. Wybór i użycie wskaźników oceny.

symulacja,   metoda projektów,   programowanie z użyciem komputera,   burza mózgów,   metoda przypadków,   wykład informacyjny,  

Wykład - egzamin pisemny testowy.
Pracownia specjalistyczna - projekt i implementacja systemu personalizacji.

1. Ch. C. Aggarwal, Recommender Systems The Textbook, Springer, 2016.
2. F. Ricci, L. Rokach, B. Shapira, Recommender Systems Handbook, springer, 2015.
3. S. Owen, R. Anil, T. Dunning, E. Friedman, Mahout in Action, Manning Publications, 2011 - dostępna bezpłatna wersja elektroniczna

1. D. Jannach, M. Zanker, A. Felfernig, G. Friedrich, Recommender Systems: An Introduction, Cambridge University Press, 2010.
2. M. D. Ekstrand, J. T. Riedl, J. A. Konstan, Collaborative Filtering Recommender Systems, Human–Computer Interaction, Vol. 4, No. 2 (2010) pp. 81–173 (dostępny w wersji elektronicznej).