Un stagiaire de Vector développe un système de recommandation et améliore la recherche sémantique.
OJ Onyeagwu s'est penché sur son écran d'ordinateur, insensible au soleil d'été qui inondait la pièce à travers les fenêtres près de son bureau. Il ignorait la vue sur Queen's Park en contrebas, se concentrant plutôt sur une tâche qu'il n'avait jamais entreprise auparavant : pirater WordPress.
Quelques mois auparavant, Onyeagwu terminait ses études en génie des matériaux à l'Université McMaster. Bien qu'il se soit spécialisé en matériaux computationnels, le visionnement fortuit de Robocop pendant la pandémie a éveillé son imagination et son intérêt pour l'IA. Il a commencé par apprendre par lui-même grâce à des vidéos et des ressources en ligne, puis a suivi des cours avant de se fixer définitivement un objectif de carrière dans l'IA. À ce moment-là, « il est devenu évident que l'Institut Vector était un passage obligé si je voulais poursuivre une carrière en IA au Canada ».
Après avoir acquis de l'expérience dans un centre de recherche où il a développé une plateforme d'analyse de données, il a postulé avec succès pour un stage en automatisation marketing chez Vector, impatient de plonger dans le monde de l'IA.
Amélioration du portail partenaires : le défi des stages d'OJ
Durant son stage, Onyeagwu a été chargé d'améliorer le portail partenaires de Vector, un site web riche en contenu et bourré de ressources pour la communauté diversifiée des commanditaires de Vector. Le portail présentait deux problèmes majeurs : un flux de contenu générique et une fonction de recherche limitée. Onyeagwu disposait donc d'une grande marge de manœuvre pour améliorer l'expérience utilisateur des sponsors.
En étroite collaboration avec les équipes d'ingénierie IA, de marketing et de communication de Vector, il a développé une solution en deux volets utilisant une API Web Flask et un pipeline de données.
Concevoir une recherche sémantique plus intelligente
En créant une API Web Flask avec Python qui reçoit les requêtes du portail partenaire, Onyeagwu a en quelque sorte détourné la fonctionnalité de recherche du site WordPress. Maintenant, lorsqu'un utilisateur recherche du contenu, l'API transforme la requête en un élément intégré, recherche du contenu similaire dans une base de données vectorielle et renvoie des résultats pertinents, enrichis par Coherent Re-rank, un point d'accès permettant d'affiner les résultats de recherche. Ainsi, le portail peut maintenant fournir des résultats de recherche qui comprennent l'intention de l'utilisateur au lieu de simplement proposer des correspondances par mots-clés. La fonction de recherche améliorée affiche non seulement des résultats plus pertinents, mais aussi des résumés et des métadonnées pour décrire chaque résultat.
L'intégration de WordPress à notre API a été un véritable défi, d'autant plus que je n'avais jamais travaillé avec WordPress auparavant. Mais une fois qu'on a réussi, c'était une révélation : on avait l'impression que tout était possible.
Améliorer les résultats grâce à un nouveau système de recommandation
Le nouveau système comprend également un carrousel de recommandations de contenu sur le tableau de bord, offrant des suggestions personnalisées en fonction des profils des utilisateurs. Maintenant, lorsqu'un utilisateur se connecte au portail, il est accueilli par du contenu adapté à son niveau de compétences en IA et à son secteur d'activité. « Une personne chez TD recevra des recommandations différentes de celles de Google ou de TELUS », explique Onyeagwu. Cette nouveauté a radicalement transformé l'expérience utilisateur du portail.
Enfin, Onyeagwu avait besoin d'un moyen de rassembler toutes les nouvelles données disponibles sur le portail et le site Web de Vector afin d'assurer la continuité des améliorations apportées au portail après la fin de son stage. Pour ce faire, il a déployé une base de données vectorielle Qdrant qui stocke les données sous forme de tableaux de nombres pour des recherches de similarité efficaces. Le pipeline de données, exécuté sur Google Cloud Platform (GCP), recueille et met à jour les données provenant de sources telles que l'API WordPress de Vector, Vimeo et arXiv, assurant ainsi la mise à jour constante de la base de données. Ces données sont ensuite converties en plongements lexicaux et ajoutées à la base de données vectorielle. Grâce aux efforts d'Onyeagwu, les commanditaires de Vector auront toujours un accès immédiat aux dernières ressources d'IA, exclusives ou publiques.
Les améliorations futures pourraient inclure la mise en place d'un système de rétroaction semblable à celui de Netflix afin de personnaliser davantage les recommandations, la priorisation du contenu privé et une collaboration accrue avec l'équipe d'ingénierie IA de Vector pour optimiser les algorithmes de recommandation. Globalement, la solution d'Onyeagwu améliore la façon dont les utilisateurs trouvent et interagissent avec le contenu, maximisant ainsi la valeur du portail partenaire de Vector pour les commanditaires de Vector.
Avant même la fin de son stage, Onyeagwu a eu la satisfaction de voir sa solution mise en œuvre sur le portail partenaires. Il a présenté son projet, de la problématique initiale à la solution technique, lors du Demo Day de Vector .
Dépasser le cadre technique du projet d'IA
Bien que les réalisations techniques d'OJ aient été importantes, son expérience de stage s'est étendue bien au-delà de son bureau ensoleillé chez Vector, au Centre d'innovation Schwartz Reisman. La communauté dynamique de Vector et ses nombreux événements lui ont offert des occasions d'apprentissage et de réseautage qui ont complété le succès de son projet et correspondaient à son esprit convivial et collaboratif.
De sa participation à la conférence Collision à son bénévolat à l'école d'été DLRL (Deep Learning and Reinforcement Learning) du CIFAR, en passant par de nombreuses présentations de recherche Vector, Onyeagwu a rencontré des personnalités clés de l'IA et d'autres jeunes talents en début de carrière. Les échanges informels autour d'un café, les occasions de mentorat comme le programme IMPACT et les discussions sur la recherche ont enrichi ses connaissances. Ces expériences l'ont aussi poussé à sortir de sa zone de confort, même si on ne le voyait pas lorsqu'il encourageait le Toronto FC avec d'autres passionnés d'IA et de football lors d'un match pendant l'école d'été de cette année.
Maintenant qu'il a terminé son stage, Onyeagwu s'apprête à occuper un nouveau poste d'analyste de données chez CIBC, un rôle qui cadre parfaitement avec ses compétences en science des données.
Son stage a conforté sa conviction que, pour quiconque souhaite faire carrière dans l'IA, Vector est l'endroit idéal. « Vector est une communauté très unie, et les gens qui y travaillent ont un bel avenir. Ça vaut la peine de faire leur connaissance. »
Intéressé(e) par un stage comme celui d'OJ ?
Participez à des projets axés sur les données aux côtés de professionnels du secteur. À temps plein ou à temps partiel, vous contribuerez à la mise en œuvre de l'IA dans les domaines de la santé, des finances, des transports et bien plus encore.
