Movie Recommendation System
Recommandation de films : du Matrix Factorization au Neural CF hybride, comparés à un LLM zero-shot.
Développeur ML (avec Louis Rollet & Vincent Montero-Fontaine)
Système complet de recommandation de films sur le dataset MovieLens 20M (PyTorch) : baseline Matrix Factorization (RMSE ~1,16), Neural Collaborative Filtering (RMSE ~0,82) et extension hybride intégrant des embeddings de genres pour traiter le cold start, le tout comparé à une approche LLM zero-shot (Gemini, RMSE ~0,99). Déploiement d'un dashboard Streamlit interactif : recommandations par profil, recherche de films similaires par cosine similarity sur les embeddings appris, et construction de profil de goûts pour nouveaux utilisateurs via un algorithme de « proxy user ».