Personalized Machine Learning

Garant předmětu:

Rodrigo Augusto Da Silva Alves

Přednášející:

Rodrigo Augusto Da Silva Alves

Cvičící:

Rodrigo Augusto Da Silva Alves

Předmět zajišťuje:

katedra aplikované matematiky

Anotace:

Personalized machine learning (PML) is a sub-field of machine learning that aims to create models and predictions based on the unique characteristics and behaviors of individual entities. While PML is commonly used in applications such as recommender systems, which recommend items to users based on their personal interests, its principles can be applied to a wide range of other fields, including education, medicine, and chemical engineering. In this course, we will explore the latest PML methods from theoretical, algorithmic, and practical perspectives. Specifically, we will focus on cutting-edge models that are of interest to both the research and commercial communities.

Požadavky:

The knowledge of calculus, linear algebra, probability theory and basics of machine learning is assumed.

Osnova přednášek:

1. Introduction to Personalized Machine Learning and its fundamental tools.

2. Overview of Recommender Systems and their importance in personalized machine learning.

3. Model-based approaches for Recommender Systems

4. Content-based Recommendation

5. Temporal and Sequential models

6. Cross-domain models

7. Personalized models of Text

8. Visual Personalized Models

9. Emerging trends in Personalized Machine Learning

10. Ethical Aspects of Personalized Models

Osnova cvičení:

The course exercises will be designed to help students develop a comprehensive understanding of personalized models, from both applied and fundamental research perspectives. These exercises will be structured in a series of steps, each contributing to building a solid framework for creating a personalized machine learning model. Students will focus on implementing the concepts learned in real-world scenarios, which will culminate in a substantial project resulting in a scientific paper. This approach will allow students to gain practical experience with the techniques and tools used in the field, and demonstrate their ability to apply them to real-world problems. Throughout the course, students will receive guidance and support from their instructor and peers, helping them to stay on track and achieve their goals in a student-centered methodology.

Cíle studia:

This course is designed for students seeking an advanced understanding of personalized machine learning methods and a practical introduction to applied and/or fundamental research in the field. The course is also suitable for those seeking an initial foray into research. By the conclusion of the course, students are expected to have developed a thorough understanding of personalized machine learning models and the practical skills and knowledge necessary for developing such models in research and commercial contexts. Moreover, it is expected that the course project should yield to a scientific paper (without the need of submission) or a practical solution that can be publicly shared and added to the student's portfolio.

Studijní materiály:

1. McAuley, J ., Personalized Machine Learning. Cambridge University Press, 2022. ISBN: 978-1316518908

2. Aggarwal, Ch. C. , Recommender Systems. Springer, 2016. ISBN 978-3319296579.

3. James, G., Witten, D., Hastie, T., & Tibshirani, R. An introduction to statistical learning. New York: springer, 2013. ISBN: 978-1461471370

4. Deisenroth, M. P., Faisal, A. A ONG, Cheng Soon, Mathematics for machine learning. Cambridge University Press, 2020. ISBN: 978-1108455145

Poznámka:

Information about course and coursware are available at https://courses.fit.cvut.cz/NIE-PML/

Další informace:

https://courses.fit.cvut.cz/NIE-PML/

Rozvrh na zimní semestr 2024/2025:

	06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po
Út	místnost T9:346 Da Silva Alves R. 16:15–17:45 (přednášková par. 1) Dejvice NBFIT učebnamístnost T9:348 Da Silva Alves R. 18:00–19:30 SUDÝ TÝDEN (přednášková par. 1 paralelka 101) Dejvice NBFIT PC ucebna
St
Čt
Pá

Rozvrh na letní semestr 2024/2025:

Rozvrh není připraven

Předmět je součástí následujících studijních plánů:

• Mgr. specializace Teoretická informatika, 2018-2019 (volitelný předmět)
• Mgr. specializace Počítačová bezpečnost, 2020 (volitelný předmět)
• Mgr. specializace Návrh a programování vestavných systémů, 2020 (volitelný předmět)
• Mgr. specializace Počítačové systémy a sítě, 2020 (volitelný předmět)
• Mgr. specializace Manažerská informatika, 2020 (volitelný předmět)
• Mgr. specializace Softwarové inženýrství, 2020 (volitelný předmět)
• Mgr. specializace Systémové programování, verze od 2020 (volitelný předmět)
• Mgr. specializace Webové inženýrství, 2020 (volitelný předmět)
• Mgr. specializace Znalostní inženýrství, 2020 (volitelný předmět)
• Mgr. specializace Teoretická informatika, 2020 (volitelný předmět)
• Mgr. program, pro fázi studia bez specializace, ver. pro roky 2020 a vyšší (volitelný předmět)
• Master specialization Software Engineering, in English, 2021 (volitelný předmět)
• Master specialization Computer Security, in English, 2021 (volitelný předmět)
• Master specialization Computer Systems and Networks, in English, 2021 (volitelný předmět)
• Master specialization Design and Programming of Embedded Systems, in English, 2021 (volitelný předmět)
• Master specialization Computer Science, in English, 2021 (volitelný předmět)
• Study plan for Ukrainian refugees (volitelný předmět)
• Master Specialization Digital Business Engineering, 2023 (volitelný předmět)
• Mgr. specializace Systémové programování, verze od 2023 (volitelný předmět)
• Mgr. specializace Teoretická informatika, 2023 (volitelný předmět)
• Master Programme Informatics, unspecified Specialization, in English, 2021 (volitelný předmět)
• Master specialization Computer Science, in English, 2024 (volitelný předmět)