Microsoft propose un guide de mise en oeuvre de systèmes de recommandation

Les systèmes de recommandation sont très répandus en Machine Learning : d'Amazon à Netflix, pour ne citer qu'eux, ces algorithmes permettent de personnaliser le contenu selon les goûts et préférences des utilisateurs, pour augmenter leur satisfaction, et ainsi, doper les ventes et/ou fidéliser. Microsoft vient de lancer un Github contenant un guide complet (en anglais) ainsi qu'une liste de bonnes pratiques pour mettre en oeuvre un système de recommandation en Python et le déployer. Le dépôt contient un ensemble de Notebooks Jupyter pour chaque étape :

• Préparation des données.
• Conception de modèles selon différents algorithmes de recommandation.
• Evaluation de modèles.
• Choix et optimisation d'un modèle.
• Mise en production du système de recommandation sur Azure.

Ce dépôt Github est abordable et présente différents modèles, basés sur des algorithmes tels qu'ALS, NCF, SAR ou encore SVD et DKN.  La plupart des codes exploitent un module inclus, "reco_utils" contenant des fonctions usuellement nécessaires pour les tâches de recommandation. Les codes fournis sont destinés à des exécutions sur CPU, GPU et Spark. Accès au Github: https://github.com/Microsoft/Recommenders