ディープラーニングベースのレコメンダー システム

これらのノートブックは、AI Runtime 上にディープラーニングレコメンダーシステムを構築します。これらは、分散トレーニングのために PyTorch Lightning を使用して 2 タワーレコメンデーションモデルを作成する方法を示しています。

例	インターフェース	説明
2タワー型推薦モデル	ノートブック	PyTorch Lightningを使用して分散トレーニングを行う、2タワー型推薦モデルの作成方法を学びましょう。
PyTorch を使用した Two-Tower レコメンデーション	CLI	1 つの A10 GPU で MovieLens 1M 上のツータワー映画レコメンダーをトレーニングして評価します。
Qwen3 エンベディングで技術文書を検索する	CLI	1つのA10 GPUで技術ドキュメントのQwen3テキスト埋め込みを作成し、各クエリーに対して意味的に類似したドキュメントを返します。
TorchRec を使用したディープラーニング レコメンデーション モデル	CLI	TorchRecシャーディングを使用して、4つのA10ノード間でCriteoデータのクリックスルー率モデルをトレーニングします。
XGBoost を使用したランキング学習	CLI	1つのA10 GPUでXGBoost LambdaMARTモデルをトレーニングし、検索結果を関連性順にランク付けします。

例	インターフェース	説明
2タワー型推薦モデル	ノートブック	PyTorch Lightningを使用して分散トレーニングを行う、2タワー型推薦モデルの作成方法を学びましょう。
PyTorch を使用した Two-Tower レコメンデーション	CLI	1 つの A10 GPU で MovieLens 1M 上のツータワー映画レコメンダーをトレーニングして評価します。
Qwen3 エンベディングで技術文書を検索する	CLI	1つのA10 GPUで技術ドキュメントのQwen3テキスト埋め込みを作成し、各クエリーに対して意味的に類似したドキュメントを返します。
TorchRec を使用したディープラーニング レコメンデーション モデル	CLI	TorchRecシャーディングを使用して、4つのA10ノード間でCriteoデータのクリックスルー率モデルをトレーニングします。
XGBoost を使用したランキング学習	CLI	1つのA10 GPUでXGBoost LambdaMARTモデルをトレーニングし、検索結果を関連性順にランク付けします。