Entwerfen und implementieren Sie in diesem praxisorientierten, projektbasierten Kurs eine funktionsfähige Buchempfehlungs-Engine mit Python. Sie befassen sich zunächst mit den Zielen, dem Umfang und der Architektur eines Buchempfehlungssystems, bevor Sie strukturierte Daten durch Vorverarbeitung und wiederverwendbare Hilfsfunktionen aufbereiten.

Im weiteren Verlauf werden Sie Metadaten zu Veröffentlichungen so aufbereiten, dass benutzerdefinierte Filterung auf der Grundlage von Buchinformationen und Präferenzen möglich ist. Anschließend erstellen Sie ein inhaltsbasiertes Empfehlungsmodell unter Verwendung von Textvorverarbeitung, TF-IDF, Count-Vectorizern, Ähnlichkeitsbewertung und Ähnlichkeitsmatrizen. Durch die Kombination und Transformation von Merkmalen wie Buchtitel, Autor, Genre und Beschreibung mithilfe der „soup“-Methode lernen Sie, die Relevanz der Empfehlungen zu verbessern und personalisiertere Ergebnisse zu erzielen. Dieser Kurs richtet sich an Lernende, die praktische Erfahrungen mit Python, Data Science, inhaltsbasierter Filterung und Empfehlungssystemen sammeln möchten. Am Ende des Kurses sind Sie in der Lage, Buchdatensätze vorzuverarbeiten, Metadaten zu extrahieren und zu transformieren, Filter- und Ähnlichkeitsframeworks aufzubauen, textbasierte Merkmale zu kombinieren und Empfehlungsergebnisse zu verfeinern. Was diesen Kurs auszeichnet, ist sein fokussiertes, durchgängiges Projekt zur Buchempfehlung, das grundlegende Konzepte direkt mit der Umsetzung verknüpft. Melden Sie sich an, um praktische Erfahrungen beim Entwurf einer funktionsfähigen Empfehlungsmaschine unter Verwendung strukturierter und textueller Buchdaten zu sammeln.