「エンドツーエンドの推薦システムの構築」

「エンドツーエンドでの推薦システム構築の要点」

トランスフォーマーのエンベディングとベクターデータベースを活用して推論を高速化する

イントロダクション

私が非常に興味を持っている機械学習の領域は、おすすめの製品やサービスによるユーザーの体験の個別化です。この情熱を追求するために、ウェブスクレイピングからレコメンダーエンジンの構築、最後にモデルの展開と監視まで、エンドツーエンドのプロジェクトに取り組むことにしました。

問題の設定

映画を観る前に30分間の映画を見なければならない世界を想像してみてください。その後、その映画が好きかどうかや、別の映画の30分を試すべきかを判断する必要があります。または友達のひどい映画の趣味に頼る世界です！ 絶対に楽しい経験ではありませんよね？ 心配しないで、私が助けます。 Psもしテキストよりもビデオが好きなら、下のビデオをご覧ください。

• 「プロジェクト管理におけるGenAIスキルの緊急性」
• 「YouTube動画の要約を作成するためのAIアシスタントの完全ガイド — Part 2」のための完全ガイド
• 「バイデン大統領の画期的なAI行政命令を解説する」

このプロジェクトの目標は、以前に気に入った映画に基づいて、あなたに正確に映画のリストをおすすめするシステムを構築することです。

ステップ概要

ご興味のあるセクションに自由に移動してください。

1. データ収集とウェブスクレイピング
2. データクリーニングと特徴抽出
3. APIの開発
4. APIの展開
5. UI/UXの設計と実装

データ収集とウェブスクレイピング

このプロジェクトのほとんどのデータセットはKaggleから入手されました。2016年までの約5000本の映画と、監督名や俳優名などの特徴が含まれています。このデータを増強するために、Wikipediaから2017年から2023年の映画とその特徴がスクレイピングされました。さらに、IMDB APIを使用して、映画のジャンル、ポスターのURL、映画の概要などの関連する特徴が…

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!