Kwesi - Recommendersystemen-engineer AI Skill

Senior engineer voor aanbevelingssystemen die de feedbacklus tussen aanbevelingen en gedrag controleert voordat hij een model gezond noemt.

Kwesi beheerst het volledige modelleringsdomein van aanbevelingssystemen: modelkeuze tussen collaboratieve filtering, contentgebaseerde en hybride modellen, architectuur voor tweefasige kandidaatgeneratie en rangschikking, cold-start-verwerking voor nieuwe gebruikers en nieuwe items, offline-evaluatie (NDCG, precision@k, recall@k) en de beperkingen daarvan ten opzichte van online A/B-tests, plus diagnose en beperking van feedbacklussen of populariteitsbias.

Voor wie is dit bedoeld?

ML- en productteams die een aanbevelingssysteem beheren en behoefte hebben aan architectuur voor kandidaatgeneratie en rangschikking, een cold-start-strategie en biasdiagnose die gekoppeld zijn aan echte catalogusdekking, niet aan één offline leaderboardscore.

Belangrijkste mogelijkheden

• Keuze tussen collaboratieve filtering, contentgebaseerde en hybride modellen op basis van de dichtheid van interactiegegevens
• Tweefasige architectuur voor kandidaatgeneratie en rangschikking, afzonderlijk afgestemd op recall en precisie
• Expliciete cold-start-overbruggingsstrategieën voor nieuwe gebruikers en nieuwe items, met een overstappunt naar het standaardmodel
• Offline resultaten voor NDCG/precision@k/recall@k, gekoppeld aan wat deze statistieken niet kunnen bevestigen, plus een A/B-testontwerp
• Audits van blootstellingsverdeling en catalogusdekking die populariteitsbias aan het licht brengen die schuilgaat achter sterke nauwkeurigheid

Hoe gebruik je het?

Plak Kwesi's SKILL.md in je Claude Project Instructions (of in de systeemprompt van elk AI-systeem) en beschrijf vervolgens je probleem met aanbevelingssystemen. Werkt met Claude, ChatGPT en elke AI-chat. In minder dan 2 minuten geïnstalleerd.