Introducción a los sistemas de recomendación

¿Te has preguntado cómo los servicios saben exactamente qué película quieres ver a continuación o qué producto sugerir?Este curso desmitifica la tecnología central detrás de esas recomendaciones inteligentes, brindándole el conocimiento fundamental para construir el suyo propio. Obtendrá una comprensión sólida de los principios que impulsan los sistemas de recomendación modernos.Pasará de la teoría a la implementación, aprendiendo a procesar datos de usuario, aplicar algoritmos clave y medir la efectividad de sus recomendaciones a través de ejercicios prácticos basados en texto. Lo que aprenderás: - Comprenda las diferencias clave entre el filtrado colaborativo, los enfoques basados en contenido y los enfoques híbridos. - Implementar el filtrado colaborativo basado en usuarios y en elementos para predecir las preferencias de los usuarios. - Aplicar técnicas de factorización de matrices para descubrir características latentes en las interacciones usuario-elemento. - Construir un recomendador basado en contenido representando elementos en función de sus atributos. - Evaluar la calidad de las recomendaciones utilizando métricas estándar de la industria como precisión, recuerdo y RMSE. - Explore cómo las incrustaciones de vectores forman la base para modelos de recomendación más avanzados. - Reconocer los desafíos comunes como el problema de arranque en frío y las fuentes de sesgo en los sistemas de recomendación. El curso comienza con la terminología y los conceptos esenciales antes de guiarlo a través de los pasos prácticos de la creación de diferentes tipos de recomendadores.Cada sección se basa en la anterior, lo que garantiza que desarrolle una comprensión completa desde cero. Este curso está diseñado para principiantes con una familiaridad básica con la programación, no se requiere experiencia previa en aprendizaje automático o sistemas de recomendación para comenzar. Comience su viaje para crear motores de recomendación inteligentes hoy mismo.