#recsys #news
Путеводитель по RecSys
Меня часто спрашивают, за кем следить, чтобы оставаться в курсе последних разработок. Делюсь с вами подборкой источников, которые я регулярно читаю, чтобы иметь самые свежие знания в области RecSys.
Академия
• Один из первых ресурсов в арсенале любого STEM специалиста – это arXiv. В разделе Information Retrieval ежедневно выходит десяток-другой статей, существенная часть из которых про RecSys.
• Свежие результаты бенчмарков рекомендательных алгоритмов на популярных toy-датасетах можно найти на Papers With Code в разделе Latest papers.
• Материалы большинства конференций есть на ACM DL. Релевантные: RecSys, CIKM, SIGIR, SIGKDD, UMAP, WSDM и WWW.
Индустрия
Чтобы не выискивать индустриальные статьи на arXiv, можно напрямую читать блоги компаний о рекомендательных системах:
• Netflix Research – легендарная компания в рекомендательных системах. В свое время дала большой буст не только RecSys, но и соревновательному DS.
• Spotify R&D – всё, вплоть до социальных исследований, о рекомендациях музыки, аудиокниг, подкастов.
• Amazon Science – гигант e-commerce, который не нуждается в представлении. Последнее время активно экспериментируют с LLM в рекомендациях.
• LinkedIn Engineering – рассказывают про работу с социальными графами на собственном примере.
Имеет смысл просматривать и блоги других корпораций: Х Engineering, Google Research и DeepMind, Pinterest Engineering, Criteo Engineering, Nvidia Technical. Однако будьте готовы приложить чуть больше усилий для поиска, так как они пишут не только про RecSys.
@ds_league
Путеводитель по RecSys
Меня часто спрашивают, за кем следить, чтобы оставаться в курсе последних разработок. Делюсь с вами подборкой источников, которые я регулярно читаю, чтобы иметь самые свежие знания в области RecSys.
Академия
• Один из первых ресурсов в арсенале любого STEM специалиста – это arXiv. В разделе Information Retrieval ежедневно выходит десяток-другой статей, существенная часть из которых про RecSys.
• Свежие результаты бенчмарков рекомендательных алгоритмов на популярных toy-датасетах можно найти на Papers With Code в разделе Latest papers.
• Материалы большинства конференций есть на ACM DL. Релевантные: RecSys, CIKM, SIGIR, SIGKDD, UMAP, WSDM и WWW.
Индустрия
Чтобы не выискивать индустриальные статьи на arXiv, можно напрямую читать блоги компаний о рекомендательных системах:
• Netflix Research – легендарная компания в рекомендательных системах. В свое время дала большой буст не только RecSys, но и соревновательному DS.
• Spotify R&D – всё, вплоть до социальных исследований, о рекомендациях музыки, аудиокниг, подкастов.
• Amazon Science – гигант e-commerce, который не нуждается в представлении. Последнее время активно экспериментируют с LLM в рекомендациях.
• LinkedIn Engineering – рассказывают про работу с социальными графами на собственном примере.
Имеет смысл просматривать и блоги других корпораций: Х Engineering, Google Research и DeepMind, Pinterest Engineering, Criteo Engineering, Nvidia Technical. Однако будьте готовы приложить чуть больше усилий для поиска, так как они пишут не только про RecSys.
@ds_league