Основной причиной создания сервиса является необходимость в повышение уровня вовлеченности пользователей с помощью рекомендаций.
- Подготовка технической документации по проекту
- Подготовка плана
- Архитектура проекта
- Разработка базового сервиса рекомендаций
- Подготовка инфраструктуры сервиса рекомендаций в виде docker-compose.yaml
- DB - MongoDB
- Queue - RabbitMQ
- Реализация сервиса выдающего в качестве рекомендации наиболее рейтинговые фильмы
- по жанрам
- без фильтрации
- Подготовка инфраструктуры сервиса рекомендаций в виде docker-compose.yaml
- Разработка сервиса рекомендаций
- Поиск подходящего датасета для обучения моделей
- Подготовка ML моделей для рекомендательных систем:
- Исследование ML моделей для рекомендательных систем:
- Content based - для сценария рекомендаций похожих на фильм фильмов
- Colabrate filtering - для сценария персонифицированные рекомендации фильма для пользователя
- Тестирование моделей с целью подбора оптимальных гиперпараметров
- Обучение выбранных в процессе исследования моделей с оптимальными гиперпараметрами
- Исследование ML моделей для рекомендательных систем:
- Модификация базового сервиса рекомендаций:
- Базовые рекомендации становятся бекофом
- Встраивание моделей в сервис как основной вариант получения рекомендаций.
- Тестирование работы сервиса и написание автотестов.
- Сдача проекта.
- Запросы не должны отдаваться более 300 миллисекунд.
- Код приложения должен быть чувствителен к входным данным и выдавать соответствующие коды и тексты ошибок. Не должно быть ответа сервера с кодом 5ХХ.
- Персонифицированная рекомендация фильма для пользователя
- Рекомендация похожих на фильм фильмов
- бекофф - статическая рекомендация(наиболее популярные или рейтинговые фильмы) в случае недоступности сервиса рекомендаций.
запрос рекомендации похожих на фильм фильмов отличается только входными данными
- косинусное расстояние между названиями фильмов
- статистика по схожим признакам
- ...
- по пользователям со схожими запросами
- f1 между тестовой выборкой и рекомендациями модели
- второй вариант оценка косинусного расстояния между полученными рекомендациями