Il s'agit de l'application Linux nommée Recommenders dont la dernière version peut être téléchargée sous le nom de Recomenders0.7.0.zip. Il peut être exécuté en ligne sur le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez en ligne cette application nommée Recommenders avec OnWorks gratuitement.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez l'émulateur en ligne OnWorks Linux ou Windows en ligne ou l'émulateur en ligne MACOS à partir de ce site Web.
- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application, installez-la et exécutez-la.
CAPTURES D'ÉCRAN
Ad
Recommandateurs
DESCRIPTION
Le référentiel Recommenders fournit des exemples et des bonnes pratiques pour la création de systèmes de recommandation, fournis sous forme de blocs-notes Jupyter. Le module reco_utils contient des fonctions pour simplifier les tâches courantes utilisées lors du développement et de l'évaluation des systèmes de recommandation. Plusieurs utilitaires sont fournis dans reco_utils pour prendre en charge des tâches courantes telles que le chargement d'ensembles de données dans le format attendu par différents algorithmes, l'évaluation des sorties de modèle et le fractionnement des données d'entraînement/de test. Des implémentations de plusieurs algorithmes de pointe sont incluses pour l'auto-apprentissage et la personnalisation dans vos propres applications. Veuillez consulter le guide de configuration pour plus de détails sur la configuration de votre machine localement, sur une machine virtuelle de science des données (DSVM) ou sur Azure Databricks. Les algorithmes et utilitaires indépendants ou en incubation sont candidats au dossier contrib. Cela abritera des contributions qui peuvent ne pas s'intégrer facilement dans le référentiel principal ou qui ont besoin de temps pour refactoriser ou faire mûrir le code et ajouter les tests nécessaires.
Caractéristiques
- Préparation et chargement des données pour chaque algorithme de recommandation
- Construire des modèles à l'aide de divers algorithmes de recommandation classiques et d'apprentissage en profondeur tels que les moindres carrés alternés (ALS) ou les machines de factorisation profondes eXtreme (xDeepFM)
- Évaluation des algorithmes avec des métriques hors ligne
- Réglage et optimisation des hyperparamètres pour les modèles de recommandation
- Opérationnalisation des modèles dans un environnement de production sur Azure
- Pour les algorithmes de deep learning, il est recommandé d'utiliser une machine GPU
Langage de programmation
Python
Il s'agit d'une application qui peut également être récupérée à partir de https://sourceforge.net/projects/recommenders.mirror/. Il a été hébergé dans OnWorks afin d'être exécuté en ligne de la manière la plus simple à partir de l'un de nos systèmes d'exploitation gratuits.
