Публикации по теме 'recommendation-system'


Почему вам следует использовать GuildAI для вашего следующего проекта по машинному обучению?
Специалисты по данным часто сосредотачиваются на изучении данных и их моделировании с использованием правильного алгоритма и забывают о важности MLOps. Одним из наиболее важных шагов в MLOps является автоматизация конвейеров машинного обучения и отслеживание экспериментов. Давайте рассмотрим GuildAI, набор инструментов для отслеживания экспериментов с открытым исходным кодом, который не только легкий, но и не требует дополнительного кода. Вот ссылка на официальный сайт GuildAI:..
Построение многоступенчатой ​​системы рекомендаций (часть 1.2)
Реализация модели с двумя башнями и ее применение к данным H&M Этот пост в блоге является продолжением части 1.1 , где мы объяснили двухэтапный процесс рекомендации с особым акцентом на этапе генерации кандидатов. Я рекомендую вам сначала прочитать эту статью, если вы еще этого не сделали. Мы подробно описали модель с двумя башнями, и теперь мы собираемся реализовать ее в TensorFlow 2 и применить к набору данных Kaggle. Конкурс H&M Kaggle
Наиболее похожий механизм рекомендаций критиков видеоигр
Многие системы рекомендаций сосредотачиваются на элементах и ​​сравнивают их схожие атрибуты. Многие также используют совместную фильтрацию, чтобы сопоставлять пользователей с другими пользователями со схожими вкусами. Но в этом блокноте мы будем сопоставлять пользователей с теми самыми критиками, которые предоставляют входные данные (оценки по отзывам). Мы будем использовать Набор данных обзора Metacritic за 2011–2019 годы через Kaggle и построим нашу рекомендацию…
Система рекомендаций MovieLens через совместную фильтрацию
Оглавление Обзор Метод "Анализ" Модели Последняя рекомендация Обзор Системы рекомендаций — наиболее успешное применение технологии машинного обучения на практике. Цель этого проекта — разработать модель машинного обучения, которая может точно рекомендовать фильмы пользователям на основе их прошлой истории просмотра и предпочтений. Модель будет обучаться на наборе данных рейтингов фильмов, предоставленных веб-сайтом MovieLens, который содержит 58 000 фильмов от 280..
RecSys16: Адаптивное, персонализированное разнообразие для визуального обнаружения
Задача системы рекомендаций (10/50) бумажная ссылка Какую проблему они решают? Лучшая система рекомендаций по поиску модной одежды с диверсификацией предметов. Какие другие решают эту проблему? Большинство исследователей использовали рейтинг как числовое представление. И спрогнозировать рейтинг с учетом взвешенности (временной эффект, похожие пользователи). Однако в некоторых распространенных сценариях нет прямой связи между отзывами пользователей и числовыми..
Использование статистической оценки для поиска наилучшего алгоритма рекомендаций по одежде
Здесь, в Queenly , наша цель проста: предоставить доступную платформу, которая позволит девушкам чувствовать себя и выглядеть как можно лучше. Неудивительно, что системы рекомендаций повсюду и необходимы для успеха в бизнесе многих крупных компаний (Amazon, Spotify, Youtube). Мы постоянно ищем способы улучшить впечатления наших пользователей и подумали: Что может быть лучше, чем внедрение механизма рекомендаций? В этом посте мы опишем шаги, которые мы предприняли для разработки..
Сквозная система рекомендаций фильмов с приложением Flask
Также посмотрите 100 сквозных проектов машинного обучения с веб-сайтами Введение В этом сообщении блога мы рассмотрим процесс создания сквозного проекта машинного обучения. Мы начнем с получения набора данных из Kaggle, затем предварительно обработаем данные и обучим модель машинного обучения. Наконец, мы развернем модель как веб-приложение с помощью Flask. Получение данных из Kaggle Kaggle — популярная платформа, на которой размещаются различные наборы данных для машинного..