or
Questo esercizio fa parte del corso
Quali problemi risolvono i motori di raccomandazione e quali dati sono più adatti? Scopri quali suggerimenti utili si possono ottenere anche con dati limitati e impara a creare le tue raccomandazioni.
Scopri come utilizzare gli attributi degli elementi per generare raccomandazioni. Crea confronti utili tra elementi sia con dati categorici sia con dati testuali. Genera profili per consigliare nuovi elementi agli utenti in base alle loro preferenze passate.
Scopri nuovi elementi da consigliare agli utenti trovando altre persone con gusti simili. Impara a creare raccomandazioni basate sull’utente e sull’elemento—e in quali contesti usarle. Sfrutta i modelli k-nearest neighbors per valorizzare la saggezza della folla e prevedere come qualcuno potrebbe valutare un elemento che non ha ancora visto.
Comprendi come la sparsità degli insiemi di dati reali possa influenzare le tue raccomandazioni. Sfrutta la potenza della fattorizzazione di matrici per gestire questa sparsità. Esplora il valore delle caratteristiche latenti e usale per comprendere meglio i tuoi dati. Infine, metti alla prova i modelli che hai visto imparando a validare ciascuno degli approcci studiati.
Esercizio attuale