Ciencia de datos: Construcción de modelos de aprendizaje automático y sistemas de recomendación

Los motores de recomendación impulsan la web moderna, impulsando la participación de los usuarios en las principales plataformas de entretenimiento y comercio electrónico.Comprender cómo construir estos sistemas predictivos es una habilidad esencial para cualquier aspirante a científico de datos. En este curso de solo texto, pasará de comprender las estructuras de datos sin procesar a diseñar, probar y evaluar un sistema de recomendación completamente funcional. Lo que aprenderás: - Aprenda los conceptos básicos de los modelos de aprendizaje automático supervisados y no supervisados. - Construya un sistema de recomendación de filtrado colaborativo usando Python. - Aplique bibliotecas de marcos de datos modernos para limpiar, preprocesar y analizar conjuntos de dados. - Comprenda los fundamentos de las bases de datos vectoriales y la búsqueda de similitudes para recomendaciones modernas. - Evaluar el rendimiento del modelo utilizando precisión, recuperación y error cuadrático medio (RMSE). - Practique la implementación de conceptos básicos de despliegue de modelos para servir predicciones. Comenzará aprendiendo la terminología fundamental de la ciencia de datos y los conceptos matemáticos antes de pasar paso a paso por el preprocesamiento de datos, la selección de modelos, la implementación de algoritmos y las técnicas de evaluación. Este curso está diseñado para principiantes que desean una introducción clara, conceptual y práctica al aprendizaje automático, y no se requiere experiencia previa en ciencia de datos.Comience a leer hoy para construir su primer modelo de aprendizaje predictivo.