Senior Data Analyst в компании Predicto Фёдор Бардин рассказал студентам «Синергии» о том, как устроены рекомендательные системы, какими они бывают и с помощью каких алгоритмов работают.
Первыми рекомендательными сервисами, на примере которых Фёдор Бардин сделал разбор, стали российский онлайн-кинотеатр IVI и его «старший брат» Netflix.
Спикер отметил, что первые рекомендательные системы начали появляться в 90-х годах прошлого века. В 2006 году Netflix запустил соревнование с главным призом в $1 млн, что дало мощный толчок для развития рекомендательных систем в целом. Каким же был алгоритм использования? Подписчик получал кассету или диск с фильмом по почте, смотрел, возвращал — и так по кругу. Так сервис начал делать первые подборки для пользователей самых трендовых, рекомендованных к просмотру фильмов.
Затем Фёдор Бардин рассказал о TikTok. У этого сервиса при первом использовании есть опросная таблица, которая позволяет настроить рекомендации. То есть весь контент будет строиться на ваших предпочтениях, указанных вначале. Федор также рассказал, на что обращают внимание алгоритмы и как работает профиль пользователя TikTok.
YouTube — ещё один популярный сервис видеоконтента. Алгоритмы рекомендательной системы YouTube Shorts, которая была создана как альтернатива TikTok, работают на основе нейросетей.
После основной части в рамках мастер-класса прошла сессия Q&A, студенты смогли задать эксперту свои вопросы.
Ведущий мастер-класса Фёдор Бардин начинал свой путь аналитиком в геймдеве. В настоящее время он занимается развитием аналитических систем для внешних заказчиков.
