Développer et comparer les voisins utilisateur et objet en tenant compte de feedback clairsemé et de l'évaluation.
Passez du problème de classement aux voisinages d'utilisateurs, scores pondérés et similarités d'objets. Examinez les hypothèses des matrices d'interaction, du recouvrement et de l'exposition; comparez aux références de popularité, avec qualité de classement, couverture, démarrage à froid et tests de sensibilité. Les matrices fictives rappellent que les scores hors ligne ne prouvent ni bénéfice, ni équité, ni effet causal.
Expliquer comment les interactions utilisateur-objet soutiennent des scores de voisinage. Repérer rareté, démarrage à froid, exposition, similarité, échelle et limites de confidentialité. Planifier des comparaisons avec références, mesures de classement et couverture, sensibilités et réserves.
Statistiques de base, lecture de tableaux/matrices et notions de classement sont utiles. Le code est facultatif; utilisez des données fictives. N'exploitez pas d'historiques identifiants et ne prenez pas une évaluation hors ligne pour preuve d'avantage réel.
Aux apprenants ayant des bases et souhaitant développer des compétences pratiques en autonomie
Aux personnes qui apprennent mieux avec des exemples, des leçons guidées et de la pratique
Aux professionnels, créateurs et développeurs indépendants recherchant une méthode reproductible
La leçon 1 est gratuite
4 leçons · Intermédiaire · Cours complet.
Ce cours utilise du contenu sous licence CC BY attribué à son fournisseur ou à la personne qui l’a mis en ligne. La lecture des leçons est disponible uniquement après authentification et validation des contrôles de publication et de licence.