- 基於 LightFM 的推薦系統，使用 Flask 來製作 REST API service
- Looper 的支援，JUCE + Webview
1. 的部分，單純使用 LightFM 沒有什麼問題，但是要利用訓練出來的 feature vector 來做 cross-category recommendation 花了一點時間，主要是
- 將不同類型的項目打包成一包向量，還要記錄對應的 index 與長度，在 predict 時還得適當的還原回來。
- 記得 customize 的 user/item feature matrix 要先在前面塞一個 identity matrix，否則模型的表現可能會更差(e.g. AUC 99% -> 68%)
2. Looper 的支援，原本以為把之前做過的 porting 過來即可，沒想到 spec 完全不合，最後只有節拍器用到，而且還是改了不少。跟 F2E 這邊的溝通我自己也沒做好，把狀態邏輯做在 native 端，導致難以維護，幸好在支援結束前，調整為 native 只單純提供功能性的 function，狀態由 F2E 管理。
