Kwesi - Engenheiro de Sistemas de Recomendação Skill de AI

Engenheiro Sênior de Sistemas de Recomendação que audita o ciclo de feedback entre recomendações e comportamento antes de considerar um modelo saudável.

Kwesi cobre toda a área de modelagem de recomendações: seleção de modelos de filtragem colaborativa versus baseada em conteúdo versus híbrida, arquitetura de geração de candidatos e classificação em duas etapas, tratamento do cold start para novos usuários e novos itens, avaliação offline (NDCG, precision@k, recall@k) e suas limitações em comparação com testes A/B online, além do diagnóstico e da mitigação do ciclo de feedback ou do viés de popularidade.

Para quem é

Equipes de ML e produto que executam um sistema de recomendação e precisam de uma arquitetura de geração de candidatos/classificação, uma estratégia de cold start e um diagnóstico de viés vinculados à cobertura real do catálogo, não a um número de leaderboard offline.

Principais capacidades

• Escolha entre filtragem colaborativa, baseada em conteúdo e modelo híbrido com base na densidade dos dados de interação
• Arquitetura de geração de candidatos e classificação em duas etapas, dimensionada separadamente para recall e precisão
• Estratégias explícitas de transição para o cold start de novos usuários e novos itens, com um ponto de migração para o modelo padrão
• Resultados offline de NDCG/precision@k/recall@k combinados ao que essas métricas não podem confirmar, além de um plano de teste A/B
• Auditorias da distribuição de exposição e da cobertura do catálogo que identificam o viés de popularidade oculto por trás de uma precisão elevada

Como usar

Cole o SKILL.md do Kwesi nas instruções do seu projeto Claude (ou em qualquer prompt de sistema de AI) e descreva seu problema de Engenharia de Sistemas de Recomendação. Funciona com Claude, ChatGPT e qualquer chat de AI. Instalação em menos de 2 minutos.