Algoritmos de recomendación: filtrado colaborativo práctico

Desarrolla y compara vecinos de usuarios y elementos con atención a feedback escaso y evaluación.

¿Buscas tutoriales paso a paso sobre herramientas de IA concretas?

Descripción del curso

Avanza del problema de ranking a vecindades de usuarios, puntuaciones ponderadas y similitud entre elementos. Examina supuestos de matrices de interacción, solapamiento y exposición; compara con referencias de popularidad, calidad de ranking, cobertura, pruebas de inicio en frío y sensibilidad. Los ejercicios con matrices inventadas subrayan que puntuaciones offline no prueban beneficio, equidad ni impacto causal.

Explica cómo las interacciones usuario-elemento sustentan puntuaciones por vecinos. Identifica escasez, inicio en frío, exposición, similitud, escala y límites de privacidad. Planifica comparaciones con referencias, medidas de ranking y cobertura, sensibilidad y reservas.

Ayudan estadística básica, lectura de tablas/matrices y conocimientos de ranking o evaluación. Programar es opcional; usa datos inventados. No proceses historiales identificables ni tomes evaluación offline como prueba de beneficio real.

Personas con conocimientos básicos que quieren desarrollar habilidades prácticas e independientes

Quienes aprenden mejor con ejemplos, lecciones guiadas y práctica

Profesionales, creadores y desarrolladores independientes que buscan un flujo de trabajo repetible

Prueba la primera lección

Prueba la primera lección gratis con una cuenta gratuita, sin tarjeta de pago. Las demás lecciones de pago requieren acceso válido a Academy, una prueba activa o Lumi Pro.

4 lecciones · Intermedio · Curso completo.

Contenido de curso con licencia abierta · licencia CC BY · licencia verificada

Este curso utiliza material con licencia CC BY atribuido a su proveedor de contenido o a quien lo publicó. La reproducción de las lecciones solo está disponible tras iniciar sesión y superar las comprobaciones de publicación y licencia.

Ayúdanos a mejorar esta página

¿Has seguido lecciones de este curso? Cuéntanos qué aprendiste y qué podría ser más claro.

Comparte tu experiencia · Propón una corrección

Los comentarios se envían en privado a nuestro equipo. No se publican automáticamente ni cuentan como una puntuación. No compartas contraseñas, datos de clientes ni información sensible.