Créez un système hybride et personnalisé de recommandation de livres à l'aide de Python, en combinant des techniques de filtrage collaboratif et de recommandation basée sur le contenu. Dans ce cours axé sur des projets, vous apprendrez à concevoir, développer et mettre en œuvre un pipeline de recommandation qui transforme les interactions des utilisateurs et les données sur les livres en recommandations pertinentes.

Vous commencerez par acquérir des bases solides, notamment sur la mise en place du projet, la gestion des entrées utilisateur, l’indexation des utilisateurs et des livres, ainsi que la construction d’une matrice d’interaction utilisateur-élément pour l’évaluation du modèle de référence. Ensuite, vous prétraiterez les données à l’aide de Pandas et NumPy, calculerez les similitudes et intégrerez le filtrage collaboratif et le filtrage basé sur le contenu dans un modèle de recommandation hybride fonctionnel. Ce cours s’adresse aux apprenants qui souhaitent acquérir une expérience pratique de la création de systèmes de recommandation grâce à des exercices de codage structurés, des quiz et des mises en œuvre concrètes. En progressant de la préparation des données de base à la construction d’un modèle hybride, vous acquerrez une compréhension claire de la manière dont plusieurs stratégies de recommandation fonctionnent ensemble. À l’issue de ce cours, vous serez capable de préparer des données de recommandation, de mettre en œuvre une logique de filtrage hybride et de développer un système de recommandation de livres évolutif basé sur Python pour des applications centrées sur l’utilisateur.