Интеграция алгоритмов машинного обучения в систему (на примере системы рекомендаций контента) организации

Дипломная работа по направлению 09.03.03 Прикладная информатика» , "Интеграция алгоритмов машинного обучения в систему рекомендаций контента для онлайн-кинотеатра «КиноГид»"

Цель работы

Бесплатная консультация по вашей теме: Telegram: @Diplomit WhatsApp: +7 (987) 915-99-32 | Телефон: +7 (987) 915-99-32, Email: admin@diplom-it.ru| MAX: +7 (987) 915-99-32

Целью работы является повышение вовлеченности пользователей онлайн-кинотеатра «КиноГид» за счет интеграции в существующую систему алгоритма машинного обучения, обеспечивающего персонализированные рекомендации контента.

Задачи работы

1. Проанализировать исторические данные о поведении пользователей (просмотры, оценки, поисковые запросы).
2. Исследовать и выбрать подходящий алгоритма рекомендательных систем (коллаборативная фильтрация, основанная на содержании).
3. Разработать архитектуру интеграции алгоритма в существующую ИТ-инфраструктуру кинотеатра.
4. Реализовать программный модуль, обучить модель на исторических данных и провести A/B тестирование ее эффективности.

Объект исследования

Объектом исследования является процесс взаимодействия пользователей с платформой онлайн-кинотеатра и система формирования рекомендаций.

Предмет исследования

Предметом исследования являются алгоритмы машинного обучения для построения рекомендательных систем и методы их интеграции в production-среду.

Содержание работы (План)

Глава 1. Аналитический раздел

1. Анализ предметной области и обзор современных рекомендательных систем.
2. Сбор и предобработка данных для обучения модели.
3. Выбор метрик для оценки качества работы алгоритма (precision, recall).

Глава 2. Проектный раздел

1. Выбор стека технологий для реализации (Python, библиотеки Scikit-learn, Surprise).
2. Проектирование архитектуры решения: сбор данных, обучение модели, выдача рекомендаций.
3. Разработка протокола взаимодействия рекомендательного модуля с основным приложением.

Глава 3. Реализация и внедрение

1. Реализация алгоритма, обучение и валидация модели.
2. Разработка API для интеграции модуля в работу платформы.
3. Проведение A/B теста и анализ бизнес-показателей внедрения (конверсия, удержание).

Краткая суть ВКР

Суть работы заключается в создании интеллектуального модуля, который анализирует поведение каждого пользователя и предлагает ему именно тот контент, который с наибольшей вероятностью его заинтересует. Это не просто теоретическое исследование, а практическая интеграция алгоритма в работающую систему, которая должна привести к измеримому бизнес-эффекту — увеличению среднего времени просмотра и количества подписок.