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.
