Разработка полного цикла рекомендательной системы для интернет-магазина доставки цветов. Разреженный датасет за 9 месяцев, 25 категорий товаров, атрибуты заказчика (гендер, история покупок, ценовые предпочтения) и атрибуты товара (категория, стоимость, цветовая палитра). Ключевая задача — автоматическое извлечение визуальных признаков букетов из фотографий: KMeans-кластеризация доминирующих цветов по центральным 70% изображения (отсечение обёртки и фона). На основе палитры строится матрица визуального сходства букетов — подтверждено, что повторные покупатели действительно выбирают букеты в схожей цветовой гамме (сходство 0.85–0.99). Три модели рекомендаций: по визуальному сходству палитры, по истории покупок с учётом ценовой категории (коллаборативная фильтрация, LightFM WARP), рекомендации аксессуаров для корзины. Проработана проблема холодного старта: категория «Акция» обрушивает рекомендации (в ней любые цветы), исключена из стандартной логики. Продакшн: FastAPI-эндпоинт для выдачи рекомендаций на лету, SQLite, автоматический приём данных с сервера заказчика по API, привязка к Яндекс.Метрике для отслеживания конверсии.