Публикации по теме 'recommender-systems'
Создание системы рекомендаций для авторов песен
Мир цифровой музыки наполнен рекомендательными системами , созданными для того, чтобы пользователи могли открывать для себя новую музыку на основе своих музыкальных предпочтений. Это позволяет поклонникам одного исполнителя легко находить похожих исполнителей и треки тех исполнителей, которые им также могут понравиться. Тем не менее, я думаю, что эту концепцию можно было бы адаптировать, чтобы помочь слушателям обнаружить часто упускаемых из виду соавторов, необходимых для создания..
Введение в Visual RecSys
Современная RecSys
Введение в Visual RecSys
В этой главе мы рассмотрим данные hello world для визуальных моделей, набор данных FashionMNIST от Zalando с PyTorch, Tensorboard и Colab.
Это часть моей серии Modern Visual RecSys; не стесняйтесь проверить остальную часть серии в конце статьи.
FashionMNIST и визуальный вызов
Данные состоят из:
Учебный набор из 60 000 изображений и тестовый набор из 10 000 изображений. Каждое изображение имеет размер 28x28 в оттенках серого и..
Обзор статьи: Объяснение и реализация совместной нейронной фильтрации
Neural Collaborative Filtering (NCF) - это документ, опубликованный Национальным университетом Сингапура, Колумбийским университетом, Шаньдунским университетом и Техасским университетом A&M в 2017 году. Он использует гибкость, сложность и нелинейность нейронной сети для создания рекомендательной системы. Это доказывает, что матричная факторизация, традиционная рекомендательная система, является частным случаем нейронной совместной фильтрации. Кроме того, он показывает, что NCF..
Series-Recommender Systems Эпизод II — В кодировщики и подобия
«Меня учили, что путь прогресса не был ни быстрым, ни легким» — Мария Кюри
О чем этот эпизод?
В последнем эпизоде этой серии мы начали с рекомендательных систем и всех теоретических, но фундаментальных мыслей о них. Однако давайте оживим ситуацию и создадим простую контентную систему рекомендаций, используя не что иное, как общедоступную MovieLens . » набор данных.
Revisit — система рекомендаций на основе контента
Так что, если вы, ребята, читали предыдущую..
Зачем вам нужен рекомендательный движок?
Механизмы рекомендаций — отличный инструмент для авторитетных компаний, позволяющий улучшить поиск продуктов и повысить ценность жизненного цикла клиентов. Они отлично подходят для создания автоматизированных сервисов персонализации для предприятий с существующей клиентской базой, постоянным трафиком и огромными запасами.
Если вы когда-либо покупали книгу на Amazon или смотрели фильм на Netflix, слушали трек на Spotify, Last.fm или Pandora или если у вас есть учетная запись Facebook..
Как Feature Engineering может помочь вам преуспеть в конкурсе Kaggle — Часть II
В первой части этой серии я представил Соревнование по машинному обучению Outbrain Click Prediction . В этом посте описаны некоторые предварительные и важные задачи по науке о данных, такие как исследовательский анализ данных и разработка функций, выполненные для конкурса с использованием кластера Spark, развернутого в Google Dataproc .
В этом посте я описываю оценку конкуренции, дизайн моей стратегии перекрестной проверки и мои базовые модели с использованием статистики и..
Хотелось бы создать простую демонстрацию машинного обучения с помощью Streamlit Framework
В настоящее время недостаточно разработать хороший продукт. Очень важно, как вы это представите. Очень много случаев, когда прорывные идеи не получали спонсорской поддержки без должной демонстрации их возможностей. Это доказанный психологический факт, что красивый дизайн играет важную роль в успехе любого продукта. Красивая презентация может внести гораздо больший вклад в ваш окончательный успех, чем вы могли ожидать.
Сегодня ключевая концепция - это упрощение, и она работает и в..
