Kwesi - Recommendersystemen-engineer AI Skill

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

Kwesi bestrijkt het volledige modelleringsoppervlak van aanbevelingen: modelkeuze tussen collaborative filtering, contentgebaseerde en hybride modellen, architectuur voor tweefasige kandidaatgeneratie en rangschikking, omgaan met cold-start 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

ML- en productteams die een aanbevelingssysteem beheren en behoefte hebben aan architectuur voor kandidaatgeneratie/rangschikking, een cold-startstrategie en biasdiagnose die gekoppeld zijn aan de werkelijke catalogusdekking, niet aan een offline leaderboardscore.

Belangrijkste mogelijkheden

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

Zo gebruik je het

Plak Kwesi's SKILL.md in de instructies van je Claude-project (of in de systeemprompt van een ander AI-systeem) en beschrijf vervolgens je probleem als engineer voor aanbevelingssystemen. Werkt met Claude, ChatGPT en elke AI-chat. Installatie duurt minder dan 2 minuten.