Resumen
Este curso comienza con los conceptos teóricos y conocimientos fundamentales de los sistemas de recomendación, cubriendo las taxonomías esenciales. Aprenderás a usar Python para evaluar conjuntos de datos basados en calificaciones de usuarios, elecciones, géneros y años de lanzamiento. Los enfoques prácticos te ayudarán a construir técnicas de filtrado basado en contenido y colaborativo.
A medida que avances, cubrirás conceptos necesarios para sistemas de recomendación aplicados y modelos de aprendizaje automático, con proyectos incluidos para una experiencia práctica. Los aprendizajes clave incluyen conceptos básicos integrados en IA, taxonomías, sobreajuste, subajuste, sesgo, varianza y la construcción de sistemas basados en contenido y en ítems utilizando ML y Python, incluyendo motores basados en KNN.
El curso es adecuado para principiantes y aquellos con algo de experiencia en programación, que buscan mejorar sus habilidades en ML y construir sistemas de recomendación personalizados. No se necesita conocimiento previo de sistemas de recomendación, ML, análisis de datos o matemáticas, solo conocimientos básicos de Python. Al final, podrás relacionar teorías con varios dominios, implementar modelos de ML para sistemas de recomendación en el mundo real y evaluarlos.
Universidad: Proveedor: Coursera
Categorías: Cursos de Inteligencia Artificial, Cursos de Python, Cursos de Aprendizaje Automático, Cursos de Análisis de Datos, Cursos de Sistemas de Recomendación, Cursos de Filtrado Basado en Contenido, Cursos de Filtrado Colaborativo, Cursos de TF-IDF
Programa de estudio
Enseñado por
Etiquetas
