Dieser praxisorientierte Kurs führt die Teilnehmer durch den gesamten Lebenszyklus der Erstellung eines Filmempfehlungssystems mit Python. Beginnend mit einem konzeptionellen Überblick über Empfehlungsmaschinen und Techniken des Kollaborativen Filterns, werden die Teilnehmer reale Anwendungen identifizieren und artikulieren, wie diese Systeme die Personalisierung auf verschiedenen Plattformen vorantreiben. Der Kurs führt durch die Einrichtung der Umgebung mit Anaconda und die Vorbereitung der Datensätze, um sicherzustellen, dass die Teilnehmer die Daten effizient organisieren, konfigurieren und manipulieren können. Unter Verwendung der Surprise-Bibliothek werden die Teilnehmer Modelle des Maschinellen Lernens erstellen, die Leistung mit Kreuzvalidierungstechniken (einschließlich RMSE und MAE) validieren und die Vorhersagegenauigkeit interpretieren. Die Lernenden schreiben Python-Funktionen, um personalisierte Vorhersagen für Filme zu generieren, und sammeln dabei praktische Erfahrungen in der Modellevaluation, der Vorhersagelogik und dem Umgang mit Iterationen mit Hilfe von Tools wie islice. Am Ende des Kurses werden die Lernenden in der Lage sein, Datensätze zu analysieren, Algorithmen zu implementieren und Vorhersage-Merkmale auf rationale und reproduzierbare Weise bereitzustellen. Durch interaktiven Code und progressive Übungen werden die Lernenden Empfehlungslösungen anwenden, analysieren und erstellen, die in realen Workflows der Datenwissenschaft anwendbar sind.