Estudia señales de preferencia, factorización y recomendaciones justas.
Explora sistemas de recomendación desde el filtrado colaborativo y las señales de preferencia hasta la codificación compacta de similitud, la recomendación sensible a la equidad y las máquinas de factorización. Analiza cómo se recopila la interacción y cómo la evaluación afecta la calidad y la equidad. Los vídeos en inglés se acompañan de notas originales, no transcripciones.
Distinguir señales de preferencia explícitas e implícitas e identificar sesgos de recopilación. Explicar cómo la codificación de similitud y la factorización representan relaciones usuario-elemento. Diseñar evaluación de clasificación, cobertura y efectos relacionados con equidad.
Se recomienda conocer aprendizaje supervisado, matrices y métricas. Ayuda la experiencia con recomendadores, pero no es imprescindible.
Personas con experiencia que quieren profundizar y aplicar habilidades avanzadas de IA
Quienes aprenden mejor con ejemplos, lecciones guiadas y práctica
Profesionales, creadores y desarrolladores independientes que buscan un flujo de trabajo repetible
La lección 1 es gratis
4 lecciones · Avanzado · Curso completo.
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.