• Recommander des amis, des produits,
• Classifier du contenu en fonction de groupe prédéfini,
• Trouver du contenu similaire basé sur des propriétés,
• Trouver des associations dans des comportements,
• Identifier les mots clés dans de large collection de texte,
• Détecter des anomalies sur des output,
• Classifier les recherches de résultats par exemple en fonction du profil,
• Filtrer le spam,
• …

Pour tous ses concepts, Apache Mahout met à notre disposition plusieurs algorithmes, facilitant leur intégration dans nos applications et se veut donc ‘ready-to-use’.

Après une brève présentation de Mahout, vous attaquerez votre propre système de recommandation lors de ce hands-on. Faisant parti de l’écosystème Mahout, Taste est un moteur rapide de filtrage collaboratif pour Java. Il permet par exemple de recommander à un client les livres qu’il pourrait aimer en fonction de son panier ou des dernières pages visitées. Vous apprendrez à construire un outil de recommandation basé sur Taste/Mahout et à le customiser.

Michaël Figuiere est consultant chez Xebia où il intervient notamment sur des sites Web à fort trafic. A son aise tant avec les environnements JEE qu’avec les technologies de plus bas niveau, il est spécialisé dans les architectures distribuées et les technologies innovantes telles que NoSQL, les moteurs de recherche, ou encore le data mining.

Jean-Baptiste Lemée est un consultant chez Lateral Thoughts spécialisé dans les technologies Java/JEE et innovantes (NoSQL , Mahout  …). Il est passionné par la création de logiciels dans leur globalité : organisation des équipes, méthodes de développement et usabilité du produit.