Katedra za umetno inteligenco vabi na debato z naslovom Hkratno učenje iz vzporednih podatkovnih tokov v četrtek, 13. 6. 2019, ob 14.15 v P03. Debato bo pripravil Martin Jakomin.
Vsebina: Priporočilni sistemi se pogosto soočajo s problemom redkosti ocen in posledično s problemom hladnega zagona. Izkaže se, da lahko te težave uspešno omilimo z uporabo več heterogenih virov podatkov, hkrati pa uspešno zlivanje podatkov doprinese višjo napovedno točnost. Predstavili bomo novo metodo, ki z uporabo simultane in inkrementalne matrične faktorizacije uspešno modelira množico medsebojno povezanih podatkovnih tokov za dinamično priporočanje v realnem času.