WHITE PAPER

Best practice per i sistemi recommender

Scopri gli approfondimenti dei leader ed esperti tecnici di aziende internazionali come The New York Times, Tencent, Meituan, NVIDIA e non solo.

Scarica ora

Scopri approfondimenti e consigli pratici

Sviluppare, distribuire e ottimizzare i sistemi recommender per coinvolgere efficacemente gli utenti e aumentare il valore aziendale, incluso il fatturato, è difficile. Gli esperti di dati, i tecnici di machine learning e i dirigenti dei settori e-commerce, intrattenimento e on-demand hanno progettato, sviluppato e distribuito con successo sistemi recommender che aiutano a migliorare il valore aziendale. Scarica questo documento per trovare approfondimenti, best practice e consigli tratti da interviste con gli esperti e scopri come i team che lavorano ai sistemi recommender gestiscono le fasi di pre-elaborazione, sviluppo di funzionalità, training e valutazione dei modelli, selezione delle tecnologie da integrare, interoperabilità open source e non solo. 

Tra i leader e gli esperti intervistati:

Monica Rogati

AI and Data Science Advisor, autrice del primo modello ML per la funzione "Persone che potresti conoscere" di LinkedIn.

Xiangting Kong

Expert Engineer, Tencent

Chris Wiggins

Chief Data Scientist, The New York Times

Jun Huang

Senior Technical Expert, Meituan

Felipe Contratres

Tribe Leader of Personalization, Magalu (Magazine Luiza)

Vinny DeGenova

Associate Director of Data Science - Search & Recommendations, Wayfair

Even Oldridge

NVIDIA Merlin™ Engineering Lead, NVIDIA

Breve storia dei sistemi recommender

Sistemi recommender in divenire

Leggi una breve storia dei sistemi recommender, delle persone che li hanno sviluppati, e dell'evoluzione dal 1970 ad oggi.

Ultime tendenze per i sistemi recommender globali

Tendenze

Scopri le ultime tendenze per i sistemi recommender globali in e-commerce, media e intrattenimento, notizie, on-demand e altro ancora.

Usi consigliati dei sistemi recommender

Best practice

Ascolta i leader del settore descrivere il loro utilizzo dei sistemi recommender e cosa fanno per ottimizzarli.

SCARICA ORA

  1. Section
Contenuti per aziende
Contenuti per sviluppatori

Prodotti

Tecnologie

Software

Risorse