Kwesi - Skill AI per ingegnere di sistemi di raccomandazione

Ingegnere senior dei sistemi di raccomandazione che verifica il ciclo di feedback tra raccomandazioni e comportamento prima di considerare sano un modello.

Kwesi copre l'intero ambito della modellazione dei sistemi di raccomandazione: scelta tra filtraggio collaborativo, basato sui contenuti e ibrido, architettura a due fasi per la generazione e la classificazione dei candidati, gestione del cold start per nuovi utenti e nuovi elementi, valutazione offline (NDCG, precision@k, recall@k) e relativi limiti rispetto ai test A/B online, nonché diagnosi e mitigazione del ciclo di feedback e del bias di popolarità.

A chi è rivolto

Team di ML e di prodotto che gestiscono un sistema di raccomandazione e hanno bisogno di un'architettura per la generazione e la classificazione dei candidati, di una strategia per il cold start e di una diagnosi dei bias collegata alla reale copertura del catalogo, non a un punteggio di una classifica offline.

Funzionalità principali

• Scelta tra filtraggio collaborativo, basato sui contenuti e ibrido in base alla densità dei dati di interazione
• Architettura a due fasi per la generazione e la classificazione dei candidati, dimensionata separatamente per recall e precision
• Strategie ponte esplicite per il cold start di nuovi utenti e nuovi elementi, con un punto di passaggio al modello standard
• Risultati offline di NDCG/precision@k/recall@k affiancati da ciò che queste metriche non possono confermare, oltre a una progettazione A/B
• Audit della distribuzione dell'esposizione e della copertura del catalogo per individuare il bias di popolarità nascosto dietro un'accuratezza elevata

Come utilizzarlo

Incolla il file SKILL.md di Kwesi nelle istruzioni del tuo progetto Claude (o nel prompt di qualsiasi sistema AI), quindi descrivi il tuo problema relativo all'ingegneria dei sistemi di raccomandazione. Funziona con Claude, ChatGPT e qualsiasi chat AI. Si installa in meno di 2 minuti.