Systemy rekomendacyjne - jak tworzyć rekomendacje na podstawie danych zarówno w aspekcie marketingowym, jak i edukacyjnym

Konspect zajęć

I. Wstęp do systemów rekomendacyjnych
- Definicja i zasada działania
- Znaczenie w kontekście biznesowym i edukacyjnym

II. Analiza danych
- Metody zbierania danych
- Przygotowanie danych do analizy
- Analiza zbiorów danych

III. Tworzenie modeli rekomendacyjnych
- Algorytmy rekomendacyjne
- Modele oparte na filtracji kolaboracyjnej
- Modele oparte na zawartości

IV. Zastosowania systemów rekomendacyjnych
- Systemy rekomendacyjne w marketingu
- Systemy rekomendacyjne w edukacji
- Przykłady zastosowań

V. Wyzwania i ograniczenia
- Uwzględnianie preferencji użytkowników
- Ograniczenia modeli rekomendacyjnych
- Znaczenie zaawansowanych technik uczenia maszynowego

VI. Podsumowanie
- Podsumowanie omówionych zagadnień
- Dyskusja na temat możliwych kierunków rozwoju systemów rekomendacyjnych

VII. Ćwiczenia praktyczne
- Analiza danych przy użyciu Pythona
- Implementacja i testowanie modeli rekomendacyjnych
- Przykłady zastosowań w konkretnych przypadkach biznesowych i edukacyjnych.