Vector Intern construit des améliorations du système de recommandation et de la recherche sémantique

OJ Onyeagwu se pencha vers son écran d’ordinateur, inconscient du soleil d’été qui filtrait par les fenêtres près de son bureau. Il ignora la vue sur Queen’s Park en contrebas, se concentrant plutôt sur une tâche qu’il n’avait jamais tentée auparavant – détourner WordPress.

Quelques mois plus tôt, Onyeagwu terminait son diplôme en génie des matériaux à l’Université McMaster. Bien qu’il se soit spécialisé dans les matériaux informatiques, un visionnement fortuit de Robocop pendant la pandémie a éveillé son imagination et son intérêt pour l’IA. Il a commencé par s’auto-former à travers des vidéos et des ressources en ligne, puis a suivi des cours avant de se fixer sur un avenir en IA. À ce moment-là, « il est devenu très clair que le Vector Institute était un endroit où je devais être si je voulais faire carrière en IA au Canada. » 

Après avoir acquis de l’expérience dans un centre de recherche construisant une plateforme d’analyse de données, il a postulé avec succès à un stage en automatisation marketing chez Vector, désireux de plonger dans le monde de l’IA.

Améliorer le portail partenaire : le défi de stage d’OJ

Pendant son stage, on a demandé à Onyeagwu d’améliorer le portail partenaire de Vector, un site web riche en contenu regorgeant de ressources pour la communauté diversifiée de sponsors de Vector. Le Portail faisait face à deux défis principaux : un flux de contenu générique et une fonction de recherche limitée. Cela a laissé à Onyeagwu beaucoup de marge pour améliorer l’expérience utilisateur des commanditaires.  

Travaillant en étroite collaboration avec les équipes d’ingénierie IA, ainsi que du marketing et des communications de Vector, il a développé une solution double utilisant une API web Flask et un pipeline de données.

Concevoir une recherche sémantique plus intelligente

En développant une API web Flask avec Python qui recevait des requêtes du portail partenaire, Onyeagwu a essentiellement détourné la fonctionnalité de recherche du site WordPress. Maintenant, lorsqu’un utilisateur recherche du contenu, l’API transforme la requête en un embedding, recherche du contenu similaire dans une base de données vectorielle et retourne des résultats pertinents, améliorés par Coherent Re-rank, un point de référence pour affiner les résultats de recherche. Cela signifie que le portail peut maintenant fournir des résultats de recherche qui comprennent l’intention de l’utilisateur, au lieu de simplement afficher des correspondances de mots-clés. La fonction de recherche améliorée affiche non seulement des résultats plus pertinents, mais affiche aussi des résumés et des métadonnées pour décrire chaque résultat.  

« Intégrer WordPress à notre API a été un défi, surtout que je n’avais jamais travaillé avec WordPress auparavant. Mais une fois qu’on l’a fait fonctionner, c’était ce moment eurêka — on avait l’impression qu’on pouvait tout accomplir. »

OJ Onyeagwu

Stagiaire en automatisation et analytique marketing, Vector Institute

Améliorer les résultats avec un nouveau système de recommandation

Le nouveau système inclut également un carrousel de recommandations de contenu sur le tableau de bord, offrant des suggestions personnalisées basées sur les profils des utilisateurs. Maintenant, lorsqu’un utilisateur se connecte au Portail, il est accueilli par du contenu pertinent pour son niveau de compétence en IA et son secteur. « Quelqu’un chez TD recevra des recommandations différentes de celles de Google ou TELUS », dit Onyeagwu. C’était un « changement de jeu » pour l’utilisabilité 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 de s’assurer que ses améliorations du Portail restent fonctionnelles 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, fonctionnant sur Google Cloud Platform (GCP), recueille et met à jour des données provenant de sources comme l’API WordPress de Vector, Vimeo et arXiv, assurant ainsi que la base de données reste à jour. Ces données sont ensuite converties en embeddings et ajoutées à la base de données vectorielle. Grâce aux efforts d’Onyeagwu, les sponsors de Vector auront toujours un accès immédiat aux dernières ressources d’IA exclusives aux sponsors et accessibles au public. 

Les améliorations futures pourraient inclure la mise en place d’un système de rétroaction comme celui de Netflix pour personnaliser davantage les recommandations, la priorité accordée au contenu privé, et une collaboration accrue avec l’équipe d’ingénierie IA de Vector pour améliorer les algorithmes de recommandation. Dans l’ensemble, la solution d’Onyeagwu améliore la façon dont les utilisateurs trouvent et interagissent avec le contenu, maximisant la valeur du portail partenaire de Vector pour les commanditaires de Vector.
Avant de terminer son stage, Onyeagwu a eu la satisfaction de voir sa solution mise en œuvre sur le Portail des Partenaires. Il a présenté son projet, du défi à la solution technique, lors de la journée de démonstration de Vector.

Au-delà du projet d’IA technique

Bien que les réalisations techniques d’OJ aient été importantes, son expérience de stage s’étendait bien au-delà de son bureau ensoleillé dans le bureau de Vector au Schwartz Reisman Innovation Centre. La communauté dynamique de Vector et ses nombreux événements ont offert des occasions d’apprentissage et de réseautage qui complétaient le succès de son projet et convenaient à son esprit amical et collaboratif.

De la participation à la conférence Collision au bénévolat à l’école d’été Deep Learning and Reinforcement Learning (DLRL) de CIFAR, en passant par de nombreuses conférences de recherche sur les vecteurs entre-temps, Onyeagwu a rencontré des figures clés de l’IA et d’autres débutant leur carrière. Les conversations régulières au café, les occasions de mentorat comme le programme de mentorat I.M.P.A.C.T., et les discussions de recherche ont élargi ses connaissances. Ils l’ont aussi poussé hors de sa zone de confort, même si on ne pouvait jamais le deviner alors qu’il encourageait Toronto FC avec ses compagnons d’IA et de soccer lors d’un match pendant l’École d’été de cette année.

Maintenant, après avoir terminé son stage, Onyeagwu s’apprête à commencer un nouveau poste d’analytique de données au CIBC, un rôle qui s’aligne parfaitement avec ses forces en science des données. 

Son expérience de stage a renforcé sa conviction que, pour quiconque veut faire carrière en IA, Vector est l’endroit idéal. « Vector est une communauté soudée, et les gens ici vont loin. Ça vaut la peine de les connaître. »