Ce cours pratique basé sur des projets guide les apprenants à travers le processus de conception, de développement et d'évaluation d'un moteur de recommandation de livres fonctionnel à l'aide de Python et de techniques de science des données. En commençant par les principes fondamentaux, les apprenants identifieront les composants clés des systèmes de recommandation, prépareront des ensembles de données structurés et appliqueront des filtres pilotés par l'utilisateur pour générer des recommandations personnalisées. Dans les étapes avancées, les apprenants construiront des modèles de filtrage basés sur le contenu en utilisant des données textuelles, extrairont des caractéristiques significatives avec TF-IDF et Count Vectorizers, et calculeront des scores de similarité pour classer les éléments de manière efficace. Tout au long du cours, les apprenants intégreront, combineront et transformeront des métadonnées multi-attributs (par exemple, l'auteur, le titre, le genre) pour améliorer la pertinence des sorties. À la fin de ce cours, les apprenants seront capables de concevoir, d'implémenter et d'affiner un moteur de recommandation du monde réel qui simule les systèmes standards de l'industrie.