# Lab 1 - Recommender in Azure

上課時 demo 了在 Azure Machine Learning Desinger 中使用 [Wide & Deep Recommender](https://learn.microsoft.com/en-us/azure/machine-learning/component-reference/train-wide-and-deep-recommender?view=azureml-api-2) 來訓練推薦系統，這次的作業希望各位同學使用另一個模型 [SVD Recommender](https://learn.microsoft.com/en-us/azure/machine-learning/component-reference/train-svd-recommender?view=azureml-api-2) 來完成推薦系統，並且將模型透過 ML Designer 部署到[端點（endpoint）](https://learn.microsoft.com/zh-tw/azure/machine-learning/concept-endpoints?view=azureml-api-2&WT.mc_id=Portal-Microsoft_Azure_Support)成為 API 使用。

- **hint 1**：參考 [Score SVD Recommender](https://learn.microsoft.com/en-us/azure/machine-learning/component-reference/score-svd-recommender?view=azureml-api-2#recommendations-for-users) 文件，建立一個給定 User ID 可以回傳推薦結果 Item ID 的 web service
- **hint 2**：記得建立訓練 pipeline 的運算資源（Compute）以及部署時的 hosting 資源在使用的資源群組（Resource Group）裡。

可以使用上課時的[範例資料](https://github.com/microsoft/hol-azure-machine-learning/blob/master/008-lab-recommendation-system.md)或自行提供，錄影須包含 Desinger/Pipeline 的畫面及 Endpoint API 呼叫（或 Swagger API 文件）