or
Deze oefening maakt deel uit van de cursus
Welke problemen lossen aanbevelingssystemen op en welke data zijn er het meest geschikt voor? Ontdek welke zinvolle aanbevelingen je zelfs met beperkte data kunt doen, en leer hoe je je eigen aanbevelingen maakt.
Ontdek hoe itemeigenschappen kunnen worden gebruikt om aanbevelingen te doen. Maak waardevolle vergelijkingen tussen items met zowel categorische als tekstdata. Genereer profielen om nieuwe items aan te bevelen aan gebruikers op basis van hun eerdere voorkeuren.
Ontdek nieuwe items om aan te bevelen door anderen te vinden met vergelijkbare smaak. Leer gebruikers- en itembased aanbevelingen maken—en in welke context je welke gebruikt. Zet k-nearest neighbors-modellen in om de wijsheid van de massa te benutten en te voorspellen hoe iemand een item zou beoordelen dat diegene nog niet heeft gezien.
Begrijp hoe de schaarste van datasets uit de praktijk je aanbevelingen kan beïnvloeden. Benut de kracht van matrixfactorisatie om met deze schaarste om te gaan. Ontdek de waarde van latente kenmerken en gebruik ze om je data beter te begrijpen. Tot slot zet je de modellen die je hebt geleerd op de proef door te leren hoe je elke aanpak valideert.
Huidige oefening