Ce cours basé sur un projet permet aux apprenants d'acquérir les compétences nécessaires pour concevoir, développer et mettre en œuvre un système de recommandation de livres personnalisé à l'aide de Python. En deux modules, le cours introduit les concepts fondamentaux du filtrage collaboratif et du filtrage basé sur le contenu, pour aboutir à un modèle hybride fonctionnel. Les apprenants commenceront par analyser les données des utilisateurs, construire des matrices d'interaction utilisateur-élément, et évaluer les modèles de base. Ils appliqueront ensuite des techniques avancées de traitement des données en utilisant des bibliothèques comme Pandas et NumPy, et intégreront de multiples stratégies de recommandation dans un moteur hybride unique. Grâce à des leçons pratiques, des exercices de codage et des quiz, les apprenants appliqueront progressivement la logique de l'apprentissage automatique, synthétiseront les calculs de similarité et construiront des systèmes de recommandation du monde réel qui combinent le comportement de l'utilisateur avec les caractéristiques de l'article. À la fin du cours, les apprenants seront en mesure de construire en toute confiance des pipelines de recommandation évolutifs adaptés à des applications dynamiques et centrées sur l'utilisateur.