recommenders

Recommenders é um projeto de código aberto da Linux Foundation of AI and Data que fornece exemplos e boas práticas para a construção de sistemas de recomendação, entregues principalmente como notebooks Jupyter. Seu objetivo declarado é ajudar pesquisadores, desenvolvedores e entusiastas a prototipar, experimentar e levar algoritmos de recomendação clássicos e de ponta em direção à produção. O material está organizado em torno de cinco tarefas principais: preparar e carregar dados para cada algoritmo; construir modelos com abordagens clássicas e de aprendizado profundo; avaliar algoritmos com métricas offline; selecionar e otimizar modelos por meio de ajuste de hiperparâmetros; e operacionalizar modelos em um ambiente de produção. Utilitários de apoio no pacote recommenders lidam com necessidades comuns, como carregar conjuntos de dados em formatos específicos de cada algoritmo, avaliar saídas e dividir dados de treino/teste. O repositório documenta um amplo catálogo de algoritmos, incluindo métodos de filtragem colaborativa como ALS, BPR, BiVAE, Caser, LightGCN, NCF, RBM, SAR, SASRec, SVD, Wide and Deep, xDeepFM e várias variantes de VAE, além de abordagens baseadas em conteúdo como DKN, LightGBM, LSTUR, NAML, NPA, NRMS, TF-IDF e Vowpal Wabbit. Cada entrada aponta para notebooks de início rápido ou de aprofundamento. Um notebook de benchmark compara vários algoritmos de filtragem colaborativa no MovieLens 100k usando métricas de ranking e de avaliação, com configurações de parâmetros e contexto de hardware relatados. As orientações de instalação recomendam uv para gerenciamento de ambiente e VS Code para desenvolvimento, com extras opcionais para GPU, Spark, desenvolvimento e recursos experimentais. O projeto é licenciado sob MIT, aceita contribuições segundo diretrizes publicadas e um código de conduta, e cita cursos, livros e artigos acadêmicos relacionados.