Data
Système de recommandation sous contraintes
Par Davy AGONMA — Développeur web freelance & intégrateur IA
Problème
Un moteur de recommandation classique se contente de remonter les meilleurs scores. En pratique, une liste doit aussi respecter des contraintes métier : taille, diversité, équilibre entre catégories, exposition équitable des fournisseurs.
Solution
Pipeline complet développé dans le cadre de mon mémoire de master : matrice utilisateur-item, matrice de poids par filtrage collaboratif ou facteurs latents, reconstruction des scores, puis résolution par programmation par contraintes avec CPMpy pour produire des listes réalisables.
Résultat
Pipeline reproductible de la matrice brute aux recommandations finales, avec un modèle de contraintes explicite et documenté — travail de recherche du mémoire IFRI.
Projets similaires
Data science & machine learning : ce que couvre ce projet
Les projets data de ce portfolio viennent de ma reconversion vers la data science : régression supervisée, clustering, systèmes de recommandation et programmation par contraintes. Ils sont réalisés en Python, avec le cycle complet — exploration, nettoyage, modélisation, évaluation.
Ils montrent ce que je sais faire aujourd'hui sur la donnée, en complément du développement web et de l'automatisation : préparer un jeu de données, choisir un modèle adapté au problème et rendre le résultat exploitable dans une interface.
Rédigé par Davy AGONMA, développeur web freelance & intégrateur ia.