Information Retriever

Наткнулся на местечковый сайт (https://book.sv), на котором можно вбить последние 64 прочитанные книги и получить рекомендации для следующего прочтения.

Создатель сайта распарсил Goodreads, обучил улучшенный SASRec, поднял инференс на NVIDIA Triton. Отличный пример рекомендательного pet project'а.

На сайте есть секция "How it works", в которой автор подробно расписал, как делал модель — даже метрики приложил. А ещё очень приятно было обнаружить там упоминание нас с Сашей Петровым (@Recsys_IR_Travel). Ради такого статьи и пишем :)

В репозитории появилась запись нашего обзорного занятия про нейросетевой рексис из прошлых постов:
* лекция — тык
* семинар — тык

Надеюсь, наш будущий рексис курс тоже получится записать и выложить, но это мы узнаем уже в следующем полугодии :)

Нейросетевые рекомендательные системы.

А ещё я сегодня прочитал гостевую лекцию про нейросети в рекомендациях в рамках курса Deep Learning 2 на ФКН ВШЭ.

О чём говорили:
1. Зачем нужны рексистемы и как они устроены (слегка переписанный кусочек из моей лекции для первокурсников)
2. Почему в рекомендациях хороши нейросетевые модели
3. Классические нейросетевые архитектуры для генерации кандидатов и ранжирования
4. Frontier: трансформеры, масштабирование, RL, генеративные модели, semantic IDs

К лекции был семинар, который провёл Артём Матвеев — разобрали Unified Embeddings, PLE (Piecewise Linear Encoding) и DCN-v2. Показали, что на Yambda нейросеть выигрывает у катбуста в задаче ранжирования :)

У курса есть Git-репозиторий, куда выкладываются материалы занятий: https://github.com/thecrazymage/DL2_HSE.

Слайды лекции присылаю следующим сообщением; а запись занятия и семинар позже появятся в репозитории.

Курс выглядит прикольно — например, есть лекция про Bitter Lesson от Вани Рубачёва :)

Спасибо Мишану @ne_mishan за приглашение!

Аргуса приняли на ACM KDD 2026!

Теперь ждите репортаж с острова Чеджу летом :)

Не могу не поделиться!

Я периодически пытаюсь генерировать полезные иллюстрации к лекциям и докладам, но обычно выходит плохо и непригодно. Приходится делать всё самому и ограничиваться простенькими минималистичными иллюстрациями.

А с помощью новой nanobanana сходу по заметкам к лекции сгенерировалось что-то очень даже прикольное.

Кажется, приближаемся к точке, когда лекции можно будет делать очень быстро :)

Введение в рексистемы.

Сегодня прочитал студентам первого курса ПМИ ФКН ВШЭ вводную лекцию по рекомендательным системам.

Раньше никогда не делал такие вводные лекции — обычно ограничивался парой слайдов в начале каждого доклада в духе "есть множество пользователей, множество айтемов, информационная перегрузка, хотим рекомендации".

Здесь же выпала возможность максимально подробно рассказать, зачем нужны рекомендательные системы, а также показать пару простых, интуитивно понятных рекомендательных алгоритмов.

Так как лекция была для первокурсников, в ней было больше картинок и меньше математики :)

Прикладываю в посте пару слайдов, сама презентация — в комментариях.