or
Este ejercicio forma parte del curso
¿Qué problemas resuelven los motores de recomendación y qué datos se adaptan mejor a ellos? Descubre qué recomendaciones útiles pueden hacerse incluso con datos limitados y aprende a crear tus propias recomendaciones.
Descubre cómo usar los atributos de los ítems para generar recomendaciones. Crea comparaciones valiosas entre ítems con datos categóricos y de texto. Genera perfiles para recomendar nuevos ítems a los usuarios según sus preferencias pasadas.
Encuentra nuevos ítems que recomendar a los usuarios identificando a otros con gustos similares. Aprende a hacer recomendaciones basadas en usuarios y basadas en ítems, y en qué contextos conviene usar cada una. Utiliza modelos de k vecinos más cercanos para aprovechar la sabiduría de la multitud y predecir cómo podría valorar alguien un ítem que aún no ha visto.
Comprende cómo la dispersión de los conjuntos de datos reales puede afectar a tus recomendaciones. Aprovecha la potencia de la factorización de matrices para manejar esta dispersión. Explora el valor de las características latentes y úsalas para comprender mejor tus datos. Por último, pon a prueba los modelos que has visto aprendiendo a validar cada uno de los enfoques.
Ejercicio actual