---

Área de concentração: 55134 - Ciências de Computação e Matemática Computacional

Criação: 28/06/2022

Nº de créditos: 12

Carga horária:

Teórica Por semana	Prática Por semana	Estudos Por semana	Duração	Total
4	0	8	15 Semanas	180 Horas

Docentes responsáveis:

Marcelo Garcia Manzato

Objetivos:

Apresentar os fundamentos de sistemas de recomendação, abordando questões relevantes a arquiteturas, dados e informação, análise de conteúdo, técnicas e avaliação de sistemas de recomendação. Analisar e desenvolver ferramentas e aplicações, como as presentes em sistemas atuais, aplicando a teoria de modo prático.

Justificativa:

"Os ambientes e sistemas computacionais atuais, em especial os baseados em tecnologia Web, vêm produzido enorme volume de informação, requerendo serviços cada vez mais personalizados de acordo com as preferências dos usuários. Isso leva ao problema da sobrecarga de informação, tornando difícil selecionar conteúdo de interesse em meio ao imenso volume de dados disponível.
Nesse contexto, os sistemas de recomendação desempenham papel importante em diversas aplicações que lidam com gerenciamento de conteúdo, pois visam proporcionar ao usuário conteúdo que atenda aos seus interesses."

Conteúdo:

History and terminology. Basic concepts: evaluations, predictions, recommendations and taxonomy. Collaborative filtering: memory-based and model-based. Content-based filtering: representation, similarity-based and classification. Knowledge-based filtering: representation, inference, based on constraints and examples, interaction mechanisms. Hybrid recommendation: strategies and concepts. Evaluation of recommendations: evaluation metrics, offline and online evaluation, experimental design and decision models. Advanced topics: security and privacy, nterpretability, diversity and novelty, socialization and ubiquity.

Forma de avaliação:

"NP = nota da prova
NE = nota dos exercícios
MF = média final

MF = 0.6 * NP + 0.4 * NE desde que NP >= 5 e NE >= 5.
Caso contrário, MF = min(NP, NE)

Conceito A: MF >=8.5
Conceito B: 7.0 <= MF < 8.5
Conceito C: 5.0 <= MF < 7.0
Conceito D: MF < 5.0"

Observação:

Nenhuma.

Bibliografia:

Fundamental:
"Dietmar Jannach, Markus Zanker, Alexander Felfernig, Gerhard Friedrich. Recommender Systems: An Introduction. Cambridge University Press, 2010.
Francesco Ricci, Lior Rokach, Bracha Shapira, Paul B. Kantor. Recommender Systems Handbook. Springer-Verlag, 2010. Aggarwal, Charu C. Recommender Systems: The Textbook. Springer, 2016."

Complementar:
Artigos de conferências e periódicos da área.