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.

• 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)