O PAI-Rec é uma plataforma de desenvolvimento de sistemas de recomendação ponta a ponta criada pela Alibaba Cloud. Ela oferece aos desenvolvedores empresariais controle total para criar, iterar e manter sistemas de recomendação — desde o processamento de dados offline e treinamento de modelos até a entrega online e experimentação em tempo real.
Casos de uso
O PAI-Rec é ideal se você precisa:
Criar um mecanismo de recomendação personalizada do zero — O PAI-Rec fornece o pipeline completo: recall, classificação grosseira, classificação refinada, filtragem e reclassificação.
Iterar rapidamente na qualidade das recomendações — Testes A/B, relatórios de experimentos e aprendizado online são nativos, permitindo medir o impacto das alterações algorítmicas por dia ou por hora e implantá-las progressivamente.
Manter transparência sobre seus algoritmos — O PAI-Rec é uma plataforma white-box. O source code para engenharia de features, modelos de recall e classificação (via EasyRec) e o mecanismo de recomendação estão disponíveis para inspeção e personalização.
Acelerar o tempo até a primeira recomendação — Se sua equipe de algoritmos ou engenharia ainda está em fase de capacitação, comece com os modelos algorítmicos específicos do setor fornecidos pela equipe de algoritmos da Alibaba Cloud. Migre para modelos totalmente personalizados conforme sua equipe amadurece.
Como funciona
O PAI-Rec abrange quatro dimensões de um sistema de recomendação:
|
Dimensão |
O que cobre |
|
Processamento offline |
Engenharia de features, geração de amostras, treinamento de modelos e agendamento via DataWorks, MaxCompute ou Machine Learning Designer do PAI |
|
Serviços online |
O mecanismo PAI-Rec (Go) gerencia a entrega de solicitações em tempo real, recall, classificação, filtragem e reclassificação |
|
Streaming de dados em tempo real |
O rastreamento de eventos de frontend alimenta sinais comportamentais de volta ao pipeline para aprendizado online |
|
Arquitetura de engenharia |
Construído sobre a infraestrutura de big data Apsara da Alibaba Cloud; selecione tipos de serviço com base na sua pilha tecnológica |
A plataforma também suporta cold start, controle de recomendação e aprendizado online para cenários de produção.
Principais recursos
|
Recurso |
Descrição |
|
Desenvolvimento white-box |
Acesse e personalize o source code para engenharia de features e processamento de amostras, scripts de modelos de recall e classificação, source code do modelo EasyRec e o mecanismo PAI-Rec |
|
Configuração simplificada da solução |
Configure tabelas de usuários, itens e comportamentos para gerar automaticamente scripts de recall e classificação, além de arquivos de configuração |
|
Gerenciamento de mecanismo e experimentos |
Gerencie componentes de recall e classificação, atualize parâmetros do mecanismo e acompanhe experimentos em uma única plataforma |
|
Métricas granulares |
Personalize métricas de experimentos e obtenha resultados por dia ou por hora |
|
Consistência de features offline/online |
Uma ferramenta integrada compara features online e offline para detectar problemas de consistência antes que afetem os resultados dos experimentos |
|
Diagnóstico inteligente de dados |
Analise automaticamente seus dados para ajudar a selecionar features e janelas de tempo para engenharia de features |
|
Depuração de resultados de recomendação |
Visualize resultados de recomendação e dados de recall diretamente na plataforma |
|
Integração com FeatureStore |
Gerencie features centralmente com o FeatureStore para acelerar a iteração de experimentos |
|
Suporte técnico |
A Alibaba Cloud fornece suporte durante toda a implementação. Para ajustes profundos e personalizações, entre em contato com o atendimento ao cliente da Alibaba Cloud |
Serviços de nuvem dependentes
O PAI-Rec integra-se aos seguintes serviços da Alibaba Cloud:
|
Serviço |
Função no PAI-Rec |
|
Desenvolvimento de IA ponta a ponta: rotulagem de dados, construção de modelos, treinamento de modelos, implantação de modelos e otimização de inferência. EasyRec (treinamento de modelos de recall e classificação) e Elastic Algorithm Service (EAS) (pontuação escalável) executam no PAI. |
|
|
Framework de algoritmos EasyRec |
Framework algorítmico que incorpora modelos de deep learning líderes do setor. Suporta TensorFlow 1.12 e posteriores, TensorFlow 2.4 e anteriores, e PAI-TensorFlow. Cobre recall, classificação grosseira, classificação refinada, reclassificação, classificação multiobjetivo e cold start. |
|
Serviços de big data nativos da nuvem para processamento de features, geração de amostras, gerenciamento de perfis, agendamento de modelos e atualizações de dados. O PAI-Rec suporta apenas DataWorks e MaxCompute para processamento de big data. Para integrar outros serviços de big data, é necessário modificar o código do mecanismo — coordene com seus arquitetos antes de prosseguir. |
|
|
Serviço unificado de data warehouse em tempo real. Armazena features de usuários e suporta consultas item a item (I2I) e consultas vetoriais. Compatível com SQL padrão (sintaxe PostgreSQL), com suporte para OLAP e análise ad hoc em escala de petabytes. Fornece serviços de dados online de alta concorrência e baixa latência, além de suportar isolamento granular de múltiplas cargas de trabalho e capacidades de segurança de nível empresarial. Profundamente integrado com MaxCompute, Realtime Compute for Apache Flink e DataWorks. |
|
|
Graph Compute |
Serviço de computação gráfica distribuída de alto desempenho que suporta trilhões de registros de dados. Utilizado para anúncios recomendados em buscas, controle de risco em tempo real, grafos de conhecimento e cenários de redes sociais. |