Ferramentas de IA avaliadas para o seu trabalho
Ganhe treinando IA
🤝 Você está na biblioteca Grátis & Open Source — ferramentas feitas pela comunidade que você pode usar sem pagar. Um conceito diferente do nosso diretório de IA avaliado.
Início › Grátis & Open Source › E-commerce › recommenders
✦ Grátis & open sourceE-commerce

recommenders

Melhores práticas e exemplos para construir sistemas de recomendação.

Construa Sistemas de Recomendação Personalizados

Um repositório Python que fornece algoritmos clássicos e de deep learning para motores de recomendação.

Grátis para sempre · open source · MIT
✓ Light setup✓ No navegador✓ Colaboração em tempo real
8.4
ZEKAI
Kit de ferramentas essencial de recs
Grátis & open source · E-commerce
Facilidade de configuração6
Utilidade9
Manutenção9.5
Comunidade9.2
★ 21,904
GITHUB
Sep 2026
ATUALIZADO
MIT
LICENÇA
🛠 Não quer hospedar você mesmo? Nós configuramos para você →
⚡ Resposta rápida

Este repositório fornece notebooks Jupyter e utilitários para prototipagem, experimentação e operacionalização de sistemas de recomendação. É ideal para cientistas de dados e engenheiros de machine learning que buscam implementações de algoritmos como ALS, xDeepFM e LightGCN.

Funciona em
Cross-platform
Hospedagem
Self-host
Idiomas
Python
Licença
MIT

O que é

Contém exemplos e melhores práticas detalhadas em cinco tarefas principais: preparação de dados, construção de modelos, avaliação com métricas offline, ajuste de hiperparâmetros e operacionalização no Azure. Utilitários estão incluídos para tarefas comuns, como carregamento de conjuntos de dados e divisão de dados de treino e teste.

Para quem

É adequado para cientistas de dados e desenvolvedores com experiência em Python que precisam de exemplos de código para filtragem colaborativa e algoritmos baseados em conteúdo. Não é adequado para usuários não técnicos ou para quem busca uma API de recomendação pronta para uso.

Recursos principais

Múltiplos Algoritmos

Inclui modelos clássicos e de deep learning como ALS, A2SVD, Caser, DKN e LightGCN.

Jupyter Notebooks

Fornece notebooks de início rápido passo a passo e de aprofundamento explicando a matemática e a implementação.

Suporte a Ambientes

Suporta CPU, GPU, Spark e configurações de recursos experimentais via extras de pacotes.

Guias de Operacionalização

Inclui exemplos para operacionalizar modelos em um ambiente de produção no Azure.

Como começar

Pronto em 3 passos

1
Instale o uv e crie um novo ambiente virtual Python.
2
Instale o pacote principal recommenders usando pip ou uv.
3
Clone o repositório para executar os exemplos de notebooks Jupyter fornecidos no VS Code.
Falando sério

Nosso veredito honesto

Pontos fortes

  • Implementações abrangentes de algoritmos de recomendação clássicos e de última geração
  • Notebooks detalhados de aprofundamento explicando a matemática e a implementação dos algoritmos
  • Suporte a múltiplos ambientes de computação, incluindo CPU, GPU e PySpark
  • Funções utilitárias fornecidas para carregamento, divisão e avaliação de dados

Onde deixa a desejar

  • Requer escrever e manter código Python personalizado para o seu ambiente de produção específico
  • As dependências podem ser complexas, exigindo extras específicos para configurações de GPU ou Spark
  • Os guias de operacionalização estão vinculados especificamente à infraestrutura do Azure
Custo

Preços & licença

Gratuito sob sua licença, sendo o único custo os recursos de computação que você utiliza para executar os modelos e notebooks por conta própria.

Trabalho remunerado

Vagas para quem fala português

877 vagas remotas abertas de treinamento de IA, atualizadas em 16 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.

Ver todas as vagas abertas →
Comparar

Alternativas

🎁 Alternativas grátis & open source

Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.

Saiba mais

Use, ou deixe que a gente configure

📄 PDF grátis: recommenders para E-commerce
Um guia em linguagem simples para o seu primeiro resultado. Enviado ao seu e-mail.
🔔 64 pessoas querem um tutorial em vídeo completo — adicione seu voto
🛠 Não quer configurar você mesmo?
Nós instalamos, hospedamos e configuramos o recommenders para você — e treinamos sua equipe.
Deixe com a gente ↗
Perguntas

FAQ

Quais ambientes são suportados?

O repositório suporta ambientes de CPU, GPU e PySpark por meio de extras de pacotes instaláveis.

Existem exemplos de código disponíveis?

Sim, o repositório fornece notebooks Jupyter para inícios rápidos e aprofundamentos em algoritmos específicos.

Como faço para instalar o pacote?

Você pode instalá-lo via pip ou uv, com extras opcionais para GPU, Spark e recursos experimentais.

Radar

Últimas notícias de IA

✉️ O kit gratuito semanal
As melhores novas ferramentas grátis & open source para E-commerce — um e-mail curto por semana, no seu idioma.
Grátis · 1 e-mail/semana · cancele quando quiser
Ganhe dinheiro treinando IA →

Veja o Zekai primeiro no Google