نویسنده(ها): ویکرام بات
در ابتدا منتشر شد به سمت هوش مصنوعی.
این داستان فقط برای اعضا در اختیار ماست. برای دسترسی به تمام Medium ارتقا دهید.
به عنوان کسی که در ساخت و ساز کار کرده است سیستم های توصیه برای چند سال، من شاهد تغییر چشمگیر در ابزارها، گردش کارها و پارادایم ها بودم. در سال 2019، ساختمان سیستم های توصیه به تلاش دستی زیادی، ابزارهای تکه تکه شده و کد سفارشی نیاز داشت. به جلو تا پایان سال 2024، هوش مصنوعی مولد و کتابخانه های مدرن به طور کامل چشم انداز را دگرگون کرده اند و توسعه را سریع تر، شهودی تر و مقیاس پذیرتر کرده اند.
در سال 2019، ساخت یک سیستم توصیه شامل کدنویسی و تکرار دستی زیادی بود. اجازه دهید شما را از طریق یک گردش کاری معمولی که در آن زمان دنبال می کردم راهنمایی کنم:
جمع آوری و تمیز کردن داده ها: من به شدت به آن اعتماد کردم پانداها و SQL برای پاکسازی داده ها، ادغام و استخراج ویژگی. کارهایی مانند تقسیم مهرهای زمانی برای تجزیه و تحلیل جلسه یا رمزگذاری متغیرهای طبقه‌بندی باید به صورت دستی تنظیم شوند. ساخت مدل: من از Scikit-learn یا XGBoost برای فیلتر کردن مشترک و روش‌های مبتنی بر محتوا استفاده می‌کنم. آموزش شامل چرخه های طولانی مهندسی ویژگی بود – همه چیز از ایجاد TF-IDF بردارها برای ویژگی های متن برای ایجاد دستی جاسازی ها. برای یادگیری عمیق، استفاده کردم TensorFlow 1.x، که به دلیل تعاریف گراف استاتیک، قدرتمند بود اما اشکال زدایی آن پیچیده بود. تنظیم مدل: تنظیم فراپارامتر آهسته و عمدتاً دستی بود. من از جستجوی شبکه ای یا تصادفی استفاده کردم… وبلاگ کامل را به صورت رایگان در Medium بخوانید.
منتشر شده از طریق به سمت هوش مصنوعی