• 🏡 Home
  • 🚨 GDPR Compliant
  • ⚡️ Data Science
  • 📌 Machine Learning
  • 🔒 Privacy Preserving
  • 🏡 Home
  • 🚨 GDPR Compliant
  • ⚡️ Data Science
  • 📌 Machine Learning
  • 🔒 Privacy Preserving
AI, machine-learning, Portfolio

Build Recommendation System Python | Project Ideas Overview

Build Recommendation System Python | Project Ideas Overview

Hot to build recommendation system, dude? Un reccomendation system è basato su un algoritmo che analizza il comportamento degli utenti delineandone un profilo, poi impiegato per consigliare loro contenuti attinenti alle preferenze personali.

Amazon è un chiaro esempio di questa tecnologia: i prodotti per te scelti sono stati selezionati proprio da un recommender system.

Qualche giorno fa abbiamo esaminato pregi e difetti di questi sistemi.

Noi siamo mucche viola: riconosciamo il valore della teoria, ma andiamo oltre gli attestati, per realizzare progetti personali concreti da inserire nel curriculum da data scientist.

Esaltiamo il metodo generalizza e rifletti, e questo fa di noi degli Junior Data Scientist con una marcia in più.

Le nozioni da imparare sono molte e sappiamo che realizzare un progetto è tra i metodi più efficaci per farlo.

Ecco il perché di questo post: intendo condividere con te un delizioso potenziale progetto.

Build Recommendation System

Sappiamo cos’è e come funziona un reccomender system.

Costruirne uno è però una sfida di tutt’altro livello.

Procediamo con ordine, di cosa abbiamo bisogno?

Principalmente di due ingredienti:

  • Utenti a cui raccomandare prodotti o contenuti
  • Prodotti o contenuti da raccomandare agli utenti

Per il momento cosa abbiamo?

  • 0 Utenti
  • 0 Prodotti

Bene.

Creiamola semplice.

Ovviamente prenderemo il modello MVP (Minimum Valuable Product) come base per ogni futura modifica e implementazione.

Obiettivo: prodotto semplice e funzionante.

Andiamo nel concreto.

Creeremo un sito di fake news, i cui contenuti saranno generati automaticamente da un modello di deep learning di OpenAI denominato GPT-2.

Analizzeremo questo sistema in un post ad-hoc.

Dal momento che stiamo ragionando ad ampio spettro, useremo twitter come scintilla. Prenderemo le Twitter API per prelevare commenti e tweet che saranno usati come base per il generatore di testi. Qui hai una demo.

Generati i contenuti, passiamo alla creazione del sistema di raccomandazione vero e proprio.

Profileremo gli utenti e proporremo loro dei contenuti sulla base delle loro preferenze.

È un progetto complesso? Certamente sì.

Ogni volta dobbiamo alzare un pelino l’asticella per raggiungere finalmente la vetta.

Carichi come una molla, siamo pronti per iniziare.

Magari…

Dobbiamo completare la piattaforma per i corsi e poi finalmente saremo liberi di procedere con ulteriori progetti come questo!

Rimani in attesa di futuri update.

Un caldo abbraccio, Andrea.

Written by Andrea Provino - Novembre 19, 2019
Tags | data science, portfolio project

You Might Also Like

Machine Learning Pipelines cosa sono? In italiano

Settembre 21, 2019
bias-variance-tradeoff-italiano-generalization-error-models-machine-leaning-blog-data-science-blog-italia-irreducible-error-guida

The Bias / Variance Tradeoff

Dicembre 3, 2019
primi-passi-con-streamlit-guida-machine-learning-deployment-italian

Primi passi con streamlit: Il Machine Learning Deployment rapido!

Giugno 4, 2020
Next Post
Previous Post

Una pubblicità che non vedi se usi AdBlock

EXPAND YOUR KNOWLEDGE

  • Blockchain Developer

    Circuito aritmetico

    Novembre 1, 2022
  • machine-learning

    Un nuovo inizio

    Settembre 4, 2021
  • Zero Knwoledge Proof Article Privacy Preserving

    Zero Knowledge Proof: zk-SNARK e zk-STARK | Prova a conoscenza zero

    Luglio 8, 2021
  • oblivious-transfer-spiegazione-italiano-ot-explanation Privacy Preserving

    Oblivious Transfer (OT)

    Luglio 6, 2021
  • Aleo Studio Website Preview machine-learning

    Aleo Studio: un IDE per Zero-Knowledge Proofs Applications

    Luglio 1, 2021
  • privacy-enhancing-technologies-data-machine-learning-data-science Privacy Preserving

    Perché il Privacy Tech è un vantaggio competitivo micidiale

    Giugno 17, 2021
  • bloom-filter-spiegazione-italian Privacy Preserving

    Bloom Filter

    Giugno 3, 2021
  • trusted-execution-environment-tee-data-science-come-fuziona Data Science, Privacy Preserving

    Trusted Execution Environment | Cos’è un TEE?

    Giugno 2, 2021
  • Crypto Custody services machine-learning

    Crypto Custody: Guida alla custodia delle criptomonete

    Maggio 26, 2021
  • deep-q-learning-q-learning-reinforcement-learning machine-learning

    Deep Q-Learning

    Aprile 27, 2021

Quello che Google pensa ti possa piacere

Prodotti che i Cookie dicono potresti trovare interessanti

AI Blog - © 2019-2021 Andrea Provino