Vector interns construit un système de recommandation et des améliorations de la recherche sémantique

OJ Onyeagwu s'est penché vers l'écran de son ordinateur, ignorant le soleil d'été qui traverse les fenêtres de son bureau. Il a ignoré la vue de Queen's Park en contrebas, se concentrant plutôt sur une tâche qu'il n'avait jamais tentée auparavant : le piratage de WordPress.

Quelques mois auparavant, M. Onyeagwu terminait son diplôme d'ingénieur en matériaux à l'université McMaster. Bien qu'il se soit spécialisé dans les matériaux informatiques, un visionnage fortuit de Robocop pendant la pandémie a éveillé son imagination et son intérêt pour l'IA. Il a commencé par apprendre par lui-même à l'aide de vidéos et de ressources en ligne, puis il a suivi des cours avant de s'orienter vers un avenir dans le domaine de l'IA. À ce moment-là, "il est devenu très clair que l'Institut Vecteur était l'endroit où je devais me rendre si je voulais poursuivre une carrière dans l'IA au Canada". 

Après avoir acquis de l'expérience dans un centre de recherche en créant une plateforme d'analyse de données, il a postulé pour un stage en automatisation du marketing chez Vector, impatient de plonger dans le monde de l'IA.

Améliorer le portail des partenaires : Le défi des stages au JO

Au cours de son stage, M. Onyeagwu a été chargé d'améliorer le portail des partenaires de Vector, un site web riche en contenu et en ressources pour la communauté diversifiée des sponsors de Vector. Le portail était confronté à deux problèmes majeurs : un flux de contenu générique et une fonction de recherche limitée. Il restait donc à Onyeagwu une grande marge de manœuvre pour améliorer l'expérience utilisateur des sponsors.  

En étroite collaboration avec les équipes de Vector chargées de l'ingénierie de l'IA, du marketing et de la communication, il a développé une solution à deux volets utilisant une API web Flask et un pipeline de données.

Une recherche sémantique plus intelligente

En créant une API web Flask avec Python qui reçoit des requêtes du portail des partenaires, M. Onyeagwu a essentiellement détourné la fonctionnalité de recherche du site web de WordPress. Désormais, lorsqu'un utilisateur recherche un contenu, l'API transforme la requête en une intégration, recherche des contenus similaires dans une base de données vectorielle et renvoie des résultats pertinents, améliorés par Coherent Re-rank, un point de terminaison permettant d'affiner les résultats de la recherche. Cela signifie que le portail peut désormais fournir des résultats de recherche qui comprennent l'intention de l'utilisateur au lieu de se contenter d'afficher des correspondances de 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.  

Améliorer les résultats avec un nouveau système de recommandation

Le nouveau système comprend également un carrousel de recommandations de contenu sur le tableau de bord, qui fournit des suggestions personnalisées basées sur les profils des utilisateurs. Désormais, lorsqu'un utilisateur se connecte au portail, il est accueilli par un contenu qui correspond à son niveau de compétence en IA et à son secteur d'activité. "Un employé de la Banque TD recevra des recommandations différentes de celles de Google ou de TELUS", explique M. Onyeagwu. Cela a changé la donne en ce qui concerne la convivialité du portail. 

Enfin, Onyeagwu avait besoin d'un moyen de rassembler toutes les nouvelles données disponibles sur le portail et le site web Vector pour s'assurer que les améliorations apportées au portail resteraient 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, qui fonctionne sur Google Cloud Platform (GCP), rassemble et met à jour les données à partir de sources telles que l'API WordPress de Vector, Vimeo et arXiv, afin de garantir 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 disponibles publiquement et exclusives aux sponsors. 

Les améliorations futures pourraient inclure la mise en œuvre d'un système de retour d'information comme celui de Netflix afin de personnaliser davantage les recommandations, de donner la priorité au contenu privé et de collaborer davantage avec l'équipe d'ingénierie de l'IA de Vector afin d'améliorer les algorithmes de recommandation. Dans l'ensemble, la solution d'Onyeagwu améliore la façon dont les utilisateurs trouvent des contenus et s'y engagent, maximisant ainsi la valeur du portail des partenaires de Vector pour les sponsors 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.

Dépasser le projet technique d'IA

Bien que les réalisations techniques d'OJ soient importantes, son expérience de stagiaire s'est étendue bien au-delà de son bureau ensoleillé dans les locaux de Vector au Centre d'innovation Schwartz Reisman. La communauté dynamique de Vector et ses nombreux événements lui ont offert des opportunités d'apprentissage et de réseautage qui ont complété la réussite de son projet et qui correspondaient à son esprit amical et collaboratif.

En participant à la conférence Collision, en se portant volontaire pour l'école d'été du CIFAR sur l'apprentissage profond et l'apprentissage par renforcement (DLRL) et en assistant à de nombreuses conférences sur la recherche vectorielle, M. Onyeagwu a rencontré des personnalités de premier plan dans le domaine de l'IA et d'autres qui commençaient leur carrière. Les discussions permanentes autour d'un café, les opportunités de mentorat telles que le programme de mentorat I.M.P.A.C.T. et les conversations sur la recherche lui ont permis d'approfondir ses connaissances. Ils l'ont également poussé à sortir de sa zone de confort, même si cela ne se voyait pas lorsqu'il encourageait le Toronto FC avec ses collègues passionnés d'IA et de football lors d'un match pendant l'université d'été de cette année.

Aujourd'hui, après avoir terminé son stage, Onyeagwu s'apprête à occuper un nouveau poste dans le domaine de l'analyse des données à la CIBC, un poste qui correspond parfaitement à ses compétences en matière de science des données. 

Son expérience de stagiaire l'a conforté dans l'idée que Vector est l'endroit idéal pour faire carrière dans le domaine de l'IA. "Vector est une communauté très soudée, et les gens ici vont loin. Cela vaut la peine d'apprendre à les connaître".