recommenders

Recommenders est un projet open source de la Linux Foundation of AI and Data qui fournit des exemples et des bonnes pratiques pour la création de systèmes de recommandation, principalement sous forme de notebooks Jupyter. Son objectif déclaré est d'aider les chercheurs, les développeurs et les passionnés à prototyper, expérimenter et rapprocher de la production des algorithmes de recommandation classiques et de pointe. Le contenu est organisé autour de cinq tâches clés : préparer et charger les données pour chaque algorithme ; construire des modèles avec des approches classiques et d'apprentissage profond ; évaluer les algorithmes avec des métriques hors ligne ; sélectionner et optimiser les modèles via le réglage des hyperparamètres ; et mettre les modèles en production. Les utilitaires de support du paquet recommenders répondent à des besoins courants tels que le chargement de jeux de données dans des formats spécifiques aux algorithmes, l'évaluation des sorties et la séparation des données d'entraînement et de test. Le dépôt documente un large catalogue d'algorithmes, notamment des méthodes de filtrage collaboratif telles que ALS, BPR, BiVAE, Caser, LightGCN, NCF, RBM, SAR, SASRec, SVD, Wide and Deep, xDeepFM et diverses variantes de VAE, aux côtés d'approches basées sur le contenu telles que DKN, LightGBM, LSTUR, NAML, NPA, NRMS, TF-IDF et Vowpal Wabbit. Chaque entrée renvoie à des notebooks de démarrage rapide ou d'approfondissement. Un notebook de benchmark compare plusieurs algorithmes de filtrage collaboratif sur MovieLens 100k à l'aide de métriques de classement et de notation, avec les paramètres rapportés et le contexte matériel. Les instructions d'installation recommandent uv pour la gestion de l'environnement et VS Code pour le développement, avec des extras optionnels pour le GPU, Spark, le développement et les fonctionnalités expérimentales. Le projet est sous licence MIT, accueille les contributions selon des directives publiées et un code de conduite, et cite des cours, des livres et des articles académiques associés.