sistemas de recomendação baseados em aprendizagem profunda

Esses Notebooks criam sistemas de recomendação de aprendizagem profunda no AI Runtime. Eles mostram como criar um modelo de recomendação de duas torres usando o PyTorch Lightning para treinamento distribuído.

Exemplo	Interface	Descrição
Modelo de recomendação de duas torres	Notebook	Aprenda como criar um modelo de recomendação de duas torres usando PyTorch Lightning para treinamento distribuído.
Recomendação de duas torres com PyTorch	CLIPE	Ensine e avalie um recomendador de filmes de duas torres no MovieLens 1M em uma GPU A10.
Pesquise documentos técnicos com embeddings do Qwen3	CLIPE	Crie incorporações de texto Qwen3 para documentos técnicos em uma GPU A10 e retorne documentos semanticamente semelhantes para cada query.
Modelo de recomendação de aprendizagem profunda com TorchRec	CLIPE	Ensinar um modelo de taxa de clique em dados Criteo entre quatro nós A10 com fragmentação TorchRec.
Aprender a classificar com XGBoost	CLIPE	Ensine um modelo XGBoost LambdaMART em uma GPU A10 para classificar os resultados de pesquisa por relevância.

Exemplo	Interface	Descrição
Modelo de recomendação de duas torres	Notebook	Aprenda como criar um modelo de recomendação de duas torres usando PyTorch Lightning para treinamento distribuído.
Recomendação de duas torres com PyTorch	CLIPE	Ensine e avalie um recomendador de filmes de duas torres no MovieLens 1M em uma GPU A10.
Pesquise documentos técnicos com embeddings do Qwen3	CLIPE	Crie incorporações de texto Qwen3 para documentos técnicos em uma GPU A10 e retorne documentos semanticamente semelhantes para cada query.
Modelo de recomendação de aprendizagem profunda com TorchRec	CLIPE	Ensinar um modelo de taxa de clique em dados Criteo entre quatro nós A10 com fragmentação TorchRec.
Aprender a classificar com XGBoost	CLIPE	Ensine um modelo XGBoost LambdaMART em uma GPU A10 para classificar os resultados de pesquisa por relevância.