recommender-system

Qdrant - Base de datos vectorial y motor de búsqueda vectorial de alto rendimiento y escala masiva para la próxima generación de IA. También disponible en la nube https://cloud.qdrant.io/

Libro interactivo de deep learning con código para múltiples frameworks, matemáticas y discusiones. Adoptado en 500 universidades de 70 países, incluyendo Stanford, MIT, Harvard y Cambridge.

Weaviate es una base de datos vectorial de código abierto que almacena tanto objetos como vectores, permitiendo combinar la búsqueda vectorial con el filtrado estructurado, con la tolerancia a fallos y la escalabilidad de una base de datos nativa de la nube.

Biblioteca de recuperación incrustada OSS para IA multimodal, amigable para desarrolladores. Busca más; gestiona menos.

Motor de sistemas de recomendación de código abierto impulsado por IA, compatible con clasificadores clásicos/LLM y contenido multimodal mediante embedding

Tutorial de introducción a sistemas de recomendación, lectura en línea: https://datawhalechina.github.io/fun-rec/

RSTutorials: Una lista seleccionada de artículos imprescindibles sobre sistemas de recomendación.

Una implementación en Python de LightFM, un algoritmo de recomendación híbrido.

Motor de búsqueda y agrupamiento (clustering) rápido y de código abierto × para vectores y objetos arbitrarios × en C++, C, Python, JavaScript, Rust, Java, Objective-C, Swift, C#, GoLang y Wolfram 🔍

Filtrado colaborativo rápido en Python para conjuntos de datos de retroalimentación implícita

Curso de introducción al aprendizaje profundo, cursos avanzados, cursos especializados, casos académicos, casos de práctica industrial, enciclopedia de conocimientos de aprendizaje profundo y banco de preguntas para entrevistas.

Alink es la plataforma de algoritmos de Machine Learning basada en Flink, desarrollada por el equipo PAI de la plataforma de computación de Alibaba.

Artículos clásicos y recursos sobre recomendación

Investigación y desarrollo de deep learning acelerado

Un índice de algoritmos para el aprendizaje de la causalidad con datos

Un sistema de recomendación de Deep Learning

🚀 Colección de librerías de algoritmos de búsqueda de vecinos más cercanos aproximados eficientes escrita en Rust 🦀.

Librería de dominios de Pytorch para sistemas de recomendación

Artículos increíbles de Deep Learning para búsqueda, recomendación y publicidad industrial. Se centran en embedding, coincidencia, preclasificación, clasificación, posclasificación, relevancia, LLM y RL. Por favor cite nuestro artículo "Deep Learning to Rank in Industrial Search Engines, Recommender Systems, and Online Advertising - An Overview and New Perspectives" (TOIS 2026).

Un framework para algoritmos de recomendación a gran escala.

Una lista de excelentes documentos y recursos sobre sistemas de recomendación en modelos de lenguaje grande (LLM).

TensorFlow Recommenders es una biblioteca para construir modelos de sistemas de recomendación usando TensorFlow.

Reproducción mínima de OneRec.

Transformers4Rec es una biblioteca flexible y eficiente para sistemas de recomendación secuenciales y basados en sesiones, compatible con PyTorch.

Repositorio de fuentes de datos públicas para sistemas de recomendación (RS).

Un framework ligero de Pytorch para modelos de recomendación, fácil de usar y de ampliar.

NVTabular es una biblioteca de ingeniería de características y preprocesamiento para datos tabulares, diseñada para manipular de forma rápida y sencilla conjuntos de datos a escala de terabytes utilizados para entrenar sistemas de recomendación basados en deep learning.

HugeCTR es un framework de GPU de alta eficiencia diseñado para el entrenamiento de estimación de Click-Through-Rate (CTR)

Un marco comparativo para sistemas de recomendación multimodales.

Un sitio web en Django utilizado en el libro Practical Recommender Systems para ilustrar cómo se pueden implementar algoritmos de recomendación.