Je vais développer des modèles personnalisés de deep learning et NLP

Vous souhaitez des recommandations qui reflètent réellement le comportement de vos utilisateurs, pas un tableau statique "les personnes ayant acheté X" ?

Je construis des systèmes de recommandation et de séquences en deep learning en Python : des systèmes qui apprennent de l’ordre du comportement utilisateur pour prédire ce qu’il voudra ensuite, comme le font les systèmes de production chez Netflix et TikTok.

Ce que je réalise : recommandateurs séquentiels (SASRec / GRU4Rec / basés sur transformer) modèles d’embedding et de filtrage collaboratif modèles NLP et de séquences pour le texte et les données comportementales évaluation appropriée leave-one-out, Hit@K, NDCG, couverture et diversité (pas des métriques aléatoires gonflées) une application de démonstration interactive pour voir les recommandations en direct

Travail récent : J’ai créé un système de recommandation de films séquentiel sur le dataset MovieLens 25M en implémentant trois modèles (Prod2Vec, GRU4Rec, SASRec) avec une démo en direct qui visualise les éléments passés qui ont influencé chaque recommandation via des poids d’attention. J’ai aussi déployé un système d’analyse client de bout en bout qui a identifié 403 000 £ de revenus à risque pour un détaillant, ce qui montre que je construis des modèles liés à de vrais résultats commerciaux, pas seulement des scores de leaderboard.

Outils : Python, PyTorch/TensorFlow, scikit-learn, Pandas, Streamlit