Напомнили древнее, но классное

привет из Австралии от @LexyZh

Полетели вьетнамские флешбеки к теории меры и теореме о несепарабельности L_inf

хоть бы я правильно помнила, что для L, а не для l (этот случай попроще будет, там диагональный метод Кантора фактически)

Натуральное число можно разложить на степени простых и заменить на вектор из полученных степеней. Потом между такими векторами можно считать расстояния. Получилось метрическое пространство (вложенное в R^n для большого n). Можно ли, не сильно изменив расстояния, вложить его в плоскость?

На картинке это метрическое пространство вложено в плоскость с помощью метода UMAP (там ещё много классных картинок).

Там ещё вот такие картинки есть. Это то же самое раскрасили по величине самих чисел и рассматривают отдельные кусочки. А статья на самом деле не про простые числа, а про сам UMAP.

Хех)

Бам! Миллион (7) сохраненок по рекомендалкам

Нейронные сети для рекомендательных систем
Рекомендательные системы являются, пожалуй, наиболее распространенным бизнес-приложением систем машинного обучения. Недавно было разработано новое сочетание рекомендательных систем с использованием инструментов и гибкости моделирования из экосистемы Deep Learning.
В этой презентации дается обзор основных концепций RecSys, таких как заполнение матрицы для совместной фильтрации, и их связь с современными тенденциями в архитектурах нейронных сетей.

#видеодня

https://www.youtube.com/watch?v=qeeRVCqgk80&list=PLFjq8z-aGyQ5pDM0CYpsqRswZCrb91sF-&index=3

Автор показывает, как матричная факторизация используется в рекомендациях.

https://towardsdatascience.com/understanding-matrix-factorization-for-recommender-systems-4d3c5e67f2c9

Выводы и примечательные статьи с RecSys (Recommender Systems Conference) 2020.

https://proglib.io/w/bbe648fc

Practical Recommender Systems (2019)
Автор: Kim Falk
Количество страниц: 432

Системы онлайн-рекомендаций помогают пользователям находить фильмы, работу, рестораны и даже свидания. Это искусство — комбинировать статистику, демографические данные и параметры запроса для достижения результатов, которые порадуют пользователя. Научитесь правильно строить рекомендательную систему: она может значительно повлиять на ваше приложение!

Скачать книгу

collie_recs: Гибридные рекомендательные системы с глубоким обучением в PyTorch.

https://proglib.io/w/8388a9b4

Лучшие практики по системам рекомендаций.

https://proglib.io/w/bd9b00a8

https://towardsdatascience.com/introduction-to-recommender-systems-6c66cf15ada

и еще одна рандомная статья в догонку

upd: неплохая статья, покрывает основное, хоть и не всё, и очень брифли

отстой, мне не понравилось

математика почти без контекста

Charu C. Aggarwal "Recommender Systems"
вот нормальная тема)

ну и зачем вот это вот понты гонять.