Construcción de Sistemas de Recomendación con Python desde Cero

Los sistemas de recomendación potencian el mundo digital, guiando a los usuarios hacia libros, productos y música que aman. Comprender cómo funcionan estos algoritmos es una habilidad crucial para cualquier profesional de datos o desarrollador de software aspirante. En este curso basado en texto, pasarás de ser un principiante a implementar con confianza tus propios motores de recomendación. Construirás sistemas de filtrado colaborativo desde cero, paso a paso, asegurándote de comprender las matemáticas y la lógica detrás del código antes de pasar a herramientas potentes preconstruidas. Lo que aprenderás: - Comprender los conceptos fundamentales del filtrado colaborativo basado en usuarios y basado en ítems - Calcular métricas de similitud matemáticamente y traducir esas fórmulas a código Python limpio - Construir un motor de recomendación desde cero utilizando Python estándar y bibliotecas modernas de manejo de datos - Analizar datos a gran escala utilizando el conjunto de datos MovieLens estándar de la industria - Implementar recomendaciones de manera eficiente utilizando bibliotecas especializadas como Surprise y LibRecommender - Explorar conceptos modernos de similitud de vectores y métricas de evaluación utilizadas en flujos de trabajo de recomendación contemporáneos Comenzarás con definiciones centrales y conceptos matemáticos, probando tus cálculos en conjuntos de datos pequeños y manejables. Luego, escalarás a datos del mundo real y explorarás cómo optimizar tu código utilizando bibliotecas estándar de la industria. Este curso está diseñado para principiantes con una comprensión básica de Python que desean adentrarse en la ciencia de datos y el aprendizaje automático. No se requiere experiencia previa con algoritmos de recomendación o matemáticas avanzadas. Comienza a leer hoy para desvelar la mecánica de los motores de recomendación modernos.