or
Cette activité fait partie du cours
Quels problèmes les moteurs de recommandation cherchent-ils à résoudre et quelles données leur conviennent le mieux? Voyez quelles recommandations pertinentes peuvent être faites même avec peu de données, et apprenez à créer vos propres recommandations.
Découvrez comment les attributs des éléments peuvent servir à faire des recommandations. Créez des comparaisons utiles entre des éléments à l'aide de données catégorielles et textuelles. Générez des profils pour recommander de nouveaux éléments aux utilisateurs selon leurs préférences passées.
Repérez de nouveaux éléments à recommander aux utilisateurs en trouvant d'autres personnes aux goûts similaires. Apprenez à faire des recommandations basées sur les utilisateurs et sur les éléments — et dans quel contexte les utiliser. Employez des modèles des k plus proches voisins pour tirer parti de l'intelligence collective et prédire la façon dont quelqu'un pourrait évaluer un élément qu'il n'a pas encore vu.
Comprenez comment la parcimonie des ensembles de données réels peut influencer vos recommandations. Mettez à profit la factorisation de matrices pour gérer cette parcimonie. Explorez la valeur des caractéristiques latentes et utilisez-les pour mieux comprendre vos données. Enfin, mettez les modèles découverts à l'épreuve en apprenant à valider chacune des approches étudiées.
Exercice en cours