Systèmes de recommandation
Recommander, ce n'est ni prédire une note, ni classer des documents : c'est ordonner un catalogue de milliers d'objets pour chaque personne, avec très peu de signaux et beaucoup de biais.
Durée du cours : 6h
Ce que vous allez apprendre
- Formuler un problème de recommandation comme un classement et non comme une régression de notes.
- Construire un filtrage collaboratif par voisinage, puis par factorisation matricielle.
- Représenter des objets par leur contenu avec des plongements de descriptions.
- Combiner contenu et collaboratif en systèmes hybrides robustes.
- Entraîner un modèle à deux tours en PyTorch avec échantillonnage négatif.
- Gérer le démarrage à froid pour les nouveaux utilisateurs et les nouveaux cours.
- Évaluer un moteur hors ligne avec rappel@k, NDCG@k, couverture et diversité.
- Corriger le biais de position et le biais de popularité de la rétroaction implicite.
Prérequis
- Cours 03 — Mathématiques pour l'IA (algèbre linéaire, gradient).
- Cours 05 — Apprentissage non supervisé (similarité, réduction de dimension).
- Python, NumPy, pandas ; PyTorch pour le module 6.
Fil rouge
Tout le cours s'ancre dans le catalogue d'une plateforme de cours en ligne semblable à InSkillML : environ 500 cours, quelques dizaines de milliers d'apprenants, une matrice creuse de notes explicites (étoiles) et de rétroaction implicite (inscriptions, minutes visionnées, achèvements). Chaque module ajoute une pièce au moteur, du plus simple voisinage au réseau à deux tours. Le jeu public MovieLens sert de contrepoint quand un chiffre de référence est utile.
Modules du cours
- Formuler un problème de recommandation.
- Filtrage collaboratif utilisateur et objet.
- Factorisation matricielle et SVD.
- Filtrage par contenu et similarité.
- Approches hybrides.
- Recommandation profonde et plongements.
- Démarrage à froid : utilisateurs et objets nouveaux.
- Métriques : rappel, NDCG, couverture, diversité.
- Rétroaction implicite et biais de position.
- Projet : moteur de recommandation évalué.
Évaluation et attestation
Le parcours se termine par un examen de 40 questions qui couvre les dix modules, du diagnostic d'un mauvais cadrage à la lecture d'une courbe rappel-couverture. En cas de réussite, une attestation d'achèvement est délivrée immédiatement ; son numéro est vérifiable sur la plateforme par tout tiers.
Les cours gratuits, eux, se concluent par un quiz de 5 questions avec un aperçu de l'attestation, sans certification.