ディープラーニングベースのレコメンダーシステム

備考

ベータ版

この機能はベータ版です。ワークスペース管理者は、 プレビュー ページからこの機能へのアクセスを制御できます。「Databricks プレビューの管理」を参照してください。

サーバレス GPU コンピュートを用いたレコメンデーションシステム構築のノートブックの例をご紹介します。これらの例は、最新のディープラーニングアプローチを使用して効率的な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。

チュートリアル	説明
2タワー推奨モデル	推奨データをモザイクデータシャード (MDS) 形式に変換し、そのデータを使用して 2 タワー推奨モデルを作成する方法を学習します。
llm-foundryで埋め込みモデルを微調整する	llm-foundry フレームワークと Composer のトレーナーによる対照学習を使用して、サーバレス GPU コンピュート上の BERT スタイルの埋め込みモデルを微調整します。

2タワー推奨モデル

これらのノートブックは、レコメンデーションデータをモザイクデータシャード (MDS) 形式に変換し、そのデータを使用して 2 タワーの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。このアプローチは、大規模なレコメンデーションシステムに特に効果的です。

まず、効率的なデータ読み込みのために、レコメンデーションデータセットをMDS形式に変換します。

準備されたデータセットとPyTorch Lightning Trainer API複数の GPU ノード (A10 または H100 GPU) 上で使用して、2 タワーレコメンダーモデルをトレーニングします。