Nos formations : www.jedha.co
"Vous pourriez également aimer...." Les systèmes de recommandation sont utilisés dans divers secteurs, utilisés par exemple par Netflix, Amazon, Reddit pour vous proposer des produits ou services les plus adaptés à votre profil ou centre d'intérêts.
Mais ces applications sont loin d'être les seules : ces moteurs de recommandations peuvent aider au raisonnement médical ou bien vous suggérer des contenus d'apprentissage adaptés (sur des plateformes e-learning par exemple). Dans ce workshop, Aurélie vous expliquera notamment comment sont construits de tels modèles.
5. Vous avez dit…
recommandation ?!
… Désigne le fait de prédire les préférences
d’un utilisateur/client dans le but de lui faire
des suggestions personnalisées
11. Un concept-clé : la sérendipité
Historiquement :
Réaliser une découverte/invention de façon inattendue
Système de recommandation
Guider l’utilisateur vers des produits/contenus/relations qu’il
n’aurait pas trouvés par lui-même mais qui lui plaisent
tout de même
12. Comment évaluer un système
de recommandation
Sérendipité : concept flou
Soit on a accès à une “mesure” de la satisfaction :
Notes, durée de visionnage, likes…
L’utilisateur doit avoir un compte
Soit on mesure des conséquences :
Revenus, taux de rebond ou d’engagement…
Mise en place d'un A/B test
→ RDV le 26 juin avec Romain Granger !
13. Les 3 grandes classes
Approche produits - “item-based”
Informations sur les produits/contenus
Description, prix, catégorie, …
Approche utilisateurs - “user-based”
Informations sur les utilisateurs et leurs interactions
Données du compte, historique des actions,…
Approche modèle - “model-based”
Machine learning
Le plus « à la mode » mais le moins répandu en production…
17. Model-based vs. user/item-based
User/item-based
Notes pas nécessaires
Représenter les données
dans une base adaptée !
⇨ requêtes temps-réel 😀
☝ Machine learning possible
(mais pas nécessaire)
Model-based
Besoin d’avoir des notes
Machine learning complexe
« sparse matrix »
« cold-start »
Besoin d’entraîner le modèle
⇨ pas de temps-réel 😢
28. Jedha : Data Science Bootcamp
—
FONDAMENTAUX
7 Sept - 26 Oct
Tous les samedis
9h30 - 15h30
Samedis
—
19 Août - 30 Août
Lundi au Vendredi
9h30 - 15h30
Semaine
—
29. Jedha : Data Science Bootcamp
—
FULLSTACK : DEVENEZ DATA SCIENTIST
Temps plein
—
9 Sept - 3 Déc
Lundi au Vendredi
9h30 - 15h30