Celem projektu jest opracowanie/wykorzystanie/rozszerzenie algorytmów uczenia maszynowego dla systemów rekomendujących i wykorzystanie ich do konstrukcji prototypu systemu rekomendującego dla wybranego problemu/zbioru danych.
Poza podstawowymi algorytmami _Collaborative Filtering_ i _Matrix Factorization_, chciałbym skupić się na nowych podejściach m.in. _Factorization Machines_, _Neural Collaborative Filtering_, _Neural Graph Collaborative Filtering_, _Session-based Graph Neural Networks_, _Target Attentitive Graph Neural Networks_ i ich rozszerzeniach, a także rozważyć takie aspekty jak: zmienność charakterystyki danych/użytkowników/produktów/interakcji w czasie, różne modele implicite i explicite ratings, a także session-based recommendations, różne modele wektorowych zanurzeń produktów, zgodność wektorowych zanurzeń produktów z ich kategoryzacją i product feedem.
Prototyp systemu będzie uczony i testowany na wybranym zbiorze danych, takim jak _Movie-Lens_, _Yelp_, _Amazon-Books_, _YooChoose_ lub innym dostępnym publicznie (m.in. na Kaggle).
**UWAGA:** Projekt jest przeznaczony dla osób posiadających wiedzę z eksploracji danych i uczenia maszynowego (w zakresie potrzebnym do realizacji projektu) oraz umiejętności techniczne w tym zakresie. Część prac może być wykonywana przez osoby z mniejszym doświadczeniem, ale zalecałbym kontakt emailem i ustalenie tego przed zapisaniem się.
