Comment créer une application de recommandation de films sans les complexités des bases de données vectorielles

Publié à l'origine sur le blog Streamlit par Liz Acosta

Vous êtes ce que vous mangez ; votre modèle est ce que votre modèle ingère.

Non seulement les données informent les systèmes d’IA, mais elles constituent également le résultat que vous recevez en fin de compte. C’est pourquoi il est important d’avoir de « bonnes » données. Quelle que soit la puissance de votre modèle, les déchets entrants entraîneront toujours des déchets sortants.

Dans le développement de logiciels, il ne s’agit pas d’un concept ou d’un problème nouveau. Cependant, l’IA exige une stratégie de données plus sophistiquée tout au long du processus ETL. Cela peut ralentir la livraison de vos applications intégrées à l’IA.

Dans cette recette, vous utiliserez Weaviate pour éliminer la complexité associée aux bases de données vectorielles, vous permettant ainsi de mettre en œuvre un système de recherche et de recommandation puissant avec beaucoup moins de frais techniques. Ensuite, nous utiliserons Streamlit pour créer la partie chatbot de l'application.

Et pas de panique ! Il n’y a aucune interface impliquée !

Lisez la suite pour apprendre :

• Qu'est-ce que Weaviate
• Qu'est-ce que Streamlit
• Comment créer une démo Weaviate recommandation de films Application Streamlit
• Comment interroger une collection dans Weaviate Cloud

Vous n'avez pas envie de lire ? Voici d’autres façons d’explorer cette démo :

• Trouvez le code dans le dépôt Streamlit Cookbook
• Regardez une présentation vidéo avec le développeur du programme technique Weaviate, JP Hwang
• Découvrez une version déployée de l'application

Qu’est-ce que Weaviate ?

Weaviate est une base de données native d'IA conçue pour vous aider à créer des applications basées sur l'IA étonnantes, évolutives et de qualité production. Il of...
[Courte citation de 8% de l'article original]