OTUS: Рекомендательная система на основе контента // Демо-занятие курса «Рекомендательные системы» - HD

Вы узнаете, как быстро сделать рекомендательную систему для текстов — поищем похожие статьи на основе методов LSI, экстрактивной суммаризации и векторизации FastText. Поговорим об автоматизированной транскрибации с помощью современных нейросетевых моделей. Рассмотрим задачу NER (поиска именованных сущностей) и поиска текстов с теми же действующими лицами

Кому подходит этот урок:
— IT-специалистам, которые хотят применить знание обработки текстов к рекомендательным системам.
— Аналитикам и руководителям контентных сервисов
— IT специалистам, которые хотят быстро и просто создать рекомендательную систему для контента.

В результате уроке вы узнаете, как переводить звук в текст, как делать текст короче, как искать похожие по смыслу и тематике тексты, как находить тексты с теми же действующими лицами.

«Рекомендательные системы» — otus.pw/EZRg/

Преподаватель: Александр Брут-Бруляко — занимается построением DS систем, анализируе данные, выстраивает ИТ сервисы вокруг этого, работает DS инженером в СБЕР Neurolab

Пройдите опрос по итогам мероприятия — otus.pw/6Guw/

Следите за новостями проекта:
— Telegram: t.me/Otusjava
— ВКонтакте: otus.pw/850t
— LinkedIn: otus.pw/yQwQ/
— Хабр: otus.pw/S0nM/