Machine Learning aplicado em Sistemas de Recomendação

Com esse curso você terá a oportunidade de conhecer as principais técnicas dos sistemas de recomendação: Decomposição em Valores Singulares (SVD), Mínimos Quadrados Alternados (ALS), KNN (K vizinhos mais próximos) e K-means, os quais englobam todos os tipos de Sistema de Recomendação: Filtragem baseada em conteúdo, Filtragem colaborativa (baseada em modelo e em memória) e o sistema híbrido.

O diferencial desse curso é que iremos obter o embasamento teórico de maneira clara e objetiva, com diversos exemplos práticos em Python e destacando a matemática que envolve todas as técnicas, como os cálculos com matrizes, autovalores e autovetores, distância Euclidiana, distância Manhattan, distância de Chebyshev, distância Minkowski, distância de Jaccard, índice de Jaccard e similaridade por cosseno. Todas as etapas são explicadas em detalhes, não é um curso onde somente serão apresentados os comandos utilizados, tudo será explicado detalhadamente.

Para atender a todos os alunos, sem importar a área e o nível de conhecimento, a segunda seção é referente aos fundamentos da Linguagem Python.

O curso é apresentado no sistema operacional Windows, mas usuários do Linux e Mac acompanham tranquilamente. Será utilizado o Google Colaboratory, mas como opção podem ser utilizados também o Jupyter Notebook, Spyder, Pycharm, VSCode ou qualquer outra IDE de Python.