Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
Estos notebooks permiten crear sistemas de recomendación de aprendizaje profundo en AI Runtime. Muestran cómo crear un modelo de recomendación de dos torres mediante PyTorch Lightning para el entrenamiento distribuido.
| Ejemplo | Interface | Descripción |
|---|---|---|
| Modelo de recomendación de dos torres | Notebook | Aprenda a crear un modelo de recomendación de dos torres mediante PyTorch Lightning para el entrenamiento distribuido. |
| Recomendación de dos torres con PyTorch | CLI | Entrena y evalúa un recomendador de películas de dos torres en MovieLens 1M en una GPU A10. |
| Buscar documentos técnicos con embeddings de Qwen3 | CLI | Crea embeddings de texto Qwen3 para documentos técnicos en una GPU A10 y devuelve documentos semánticamente similares para cada consulta. |
| Aprendizaje para ordenación con XGBoost | CLI | Entrena un modelo XGBoost LambdaMART en una GPU A10 para clasificar los resultados de búsqueda por relevancia. |