Deep Learning 4 ay Baş AI Mühendisi & Mimari Tasarımcı

E-Ticaret AI Öneri Motoru

Büyük ölçekli bir e-ticaret platformu için gerçek zamanlı, kişiselleştirilmiş ürün öneri sistemi. Kullanıcı davranış verileri ve ürün özelliklerini birleştiren hybrid bir yaklaşım.

%42

Dönüşüm Artışı

<15ms

Ortalama Latency

2M+

Günlük Kullanıcı

%28

Sepet Değeri Artışı

Zorluk

2 milyon günlük aktif kullanıcıyla gerçek zamanlı öneri üretmek, soğuk başlangıç problemini çözmek ve öneri çeşitliliğini korumak en büyük zorluklardı.

Çözüm

Hybrid bir model mimarisi tasarlayarak collaborative ve content-based yöntemleri birleştirdik. Redis tabanlı önbellek ile latency'yi 15ms'nin altına indirdik. Yeni kullanıcılar için popularity-based fallback mekanizması ekledik.

Öne Çıkanlar

Hybrid öneri modeli tasarımı ve implementasyonu

Gerçek zamanlı veri akışı mimarisi (Kafka + Redis)

A/B test altyapısı ile sürekli model iyileştirmesi

Soğuk başlangıç problemi için akıllı fallback mekanizması

Teknoloji Yığını

Python

PyTorch

FastAPI

Redis

Kafka

PostgreSQL

Docker

Proje Hakkında

Bu projede, günlük 2 milyon aktif kullanıcıya sahip bir e-ticaret platformu için uçtan uca bir AI öneri motoru geliştirdik.

Teknik Mimari

Collaborative Filtering ile kullanıcı benzerlik analizi

Content-Based Filtering ile ürün özellik eşleştirmesi

Deep Neural Network ile hybrid model füzyonu

Redis tabanlı gerçek zamanlı önbellek katmanı

Kafka ile event-driven veri akışı

Sonuçlar

Sistem canlıya alındıktan sonra ilk 3 ayda dönüşüm oranında %42 artış, ortalama sepet değerinde %28 yükseliş gözlemlendi.