Sistemas de recomendação baseados em aprendizado profundo

Importante

O AI Runtime para tarefas de nó único está na Visualização Pública. A API de treinamento distribuído para cargas de trabalho de várias GPUs permanece em Beta.

Esta página fornece exemplos de notebook para criar sistemas de recomendação usando o AI Runtime. Esses exemplos demonstram como criar modelos de recomendação eficientes usando abordagens modernas de aprendizado profundo.

Tutorial	Descrição
Modelo de recomendação de duas torres	Saiba como converter dados de recomendação no formato MDS (Mosaic Data Shard) e, em seguida, usar esses dados para criar um modelo de recomendação de duas torres.

Modelo de recomendação de duas torres

Esses notebooks demonstram como converter seus dados de recomendação no formato MDS (Mosaic Data Shard) e, em seguida, usar esses dados para criar um modelo de recomendação de duas torres. Essa abordagem é particularmente eficaz para sistemas de recomendação em larga escala.

Preparação de dados: converter o conjunto de dados do modelo de recomendação em formato MDS

Primeiro, converta seu conjunto de dados de recomendação no formato MDS para carregamento eficiente de dados:

Converter dados

Obter laptop

Treinamento de modelo: modelo de recomendação de duas torres usando pyTorch Lightning

Treine o modelo de recomendação de duas torres usando o conjunto de dados preparado e a API do PyTorch Lightning Trainer em vários nós de GPU (GPUs A10 ou H100).

Recomendador PyTorch

Obter laptop