ユーザーを効果的に惹きつけ、収益など、事業価値に影響を与えるレコメンダー システムの構築、展開、最適化することは困難です。世界的ネットショップ、メディア、オンデマンドなどの分野で活躍するデータ サイエンティスト、機械学習エンジニア、リーダーたちは、事業価値に影響を与える推奨システムを設計、構築、展開して成功しています。この論文をダウンロードすると、エキスパートのインタビューからインサイト、ベスト プラクティス、アドバイスが得られ、レコメンダー システム チームがどのように前処理、特徴エンジニアリング、トレーニング モデル、モデルの評価、統合する適切なテクノロジの選択、オープン ソースとの相互運用性などを扱っているかが分かります。
インタビューを受けた注目のリーダーやエキスパートたちは次のとおりです。
AI とデータ サイエンスのアドバイザー、LinkedIn の "People You Know" 機能の最初の ML モデルの開発者
Tencent のエキスパート エンジニア
The New York Times のチーフ データ サイエンティスト
Meituan の シニア テクニカル エキスパート
Magalu (Magazine Luiza) のパーソナライゼーション トライブ リーダー
Wayfair のデータ サイエンス アソシエート ディレクター (研究と推奨)
NVIDIA の NVIDIA Merlin™ エンジニアリング リード
Walmart Global Tech のシニア ディレクター
(パーソナライゼーションと推奨)
1970 年代から現在に至るまでのレコメンダー システムの変遷を、レコメンダー システムを作った人たちも含めてご紹介します。
ネットショップ、メディア、ニュース、オンデマンドなどにおけるグローバルなレコメンダー システムの最新動向をご覧ください。
レコメンダーの最適化のためにするべきことなど、レコメンダー システムの実践について、業界のリーダーによる声をお聞きください。