추천 용 Google Cloud ML

Question

기계 학습을 사용하여 음악 플랫폼 용 음악 추천 시스템을 만들어야합니다.

플랫폼은 있습니다

• 40 + 만 노래
• 4.5+ 만 앨범
• 2.5 + 만 예술가
• 1648 장르
• 600K 사용자

관계 위의 개체 사이에 :

• 1 - 노래 - 여러 장르
• 1 - 노래 - 많은 예술가
• 1 곡 - 1 앨범
• 1 앨범 - 많은 노래
• 1 앨범 - 많은 -artists
• 1 아티스트 - 많은 앨범
• 1 아티스트 - 많은 노래

그리고 난이 사용자의 교류를 얻었다 (노래, 아티스트, 앨범)

Amazon ML은 협업 필터링을 지원하지 않는 것 같아서 이제 Google Cloud ML을 통해 찾고 있습니다.

하나의 문제는 데이터 크기입니다. 기본적으로 모든 노래에는 범주 형 속성 인 1 개 이상의 장르와 1 개 이상의 아티스트가 있습니다. Amazon ML은 100 개 카테고리를 지원합니다 (아티스트가 카테고리로 간주되는 경우 한 눈에 2.5m가 있습니다). Google의 기계 학습 페이지를 통해 보면 간단한 예제 만 있으므로 어디서부터 시작해야할지 모릅니다.

기계를 익히는 초보자가되어서 문제가 내가 (해결하려고 시도하는) 방법인지, 아니면 ML이가는 길인지 궁금합니다.

Answer 1

Google CloudML Engine은 TensorFlow 프로그램을 실행하기위한 호스팅 솔루션입니다. TensorFlow은 규모를 염두에두고 설계된 기계 학습 프레임 워크입니다. 따라서 Distributed TensorFlow 프로그램을 작성할 수있는 한 CloudML 엔진에서 프로그램을 실행할 수 있습니다. CloudML 엔진을 사용하면 프로그램을 매우 잘 확장 할 수 있습니다. (TensorFlow와 Machine Learning에 일반적으로 학습 곡선이 있지만 권장 사항에 대해서는 ML 기반 솔루션을 원할 것입니다.)

빠른 Google search는 TensorFlow 사용하여 추천 시스템을 구축하기위한 여러 유용한 자료를 보여준다 (주의를 : 나는이 중 하나를 심사하지 않은 경우) :

• This coursera class 기계 학습에.
• TensorFlow
• 주제에 싱가포르에서 meetup을 다양한 추천 알고리즘의 github repository (코멘트 등 동영상에 대한 링크가)
• 해야 YouTube video
• 또 다른 유튜브 video