Hay muchos libros y MOOC populares que puede seguir para obtener una visión general y comprender los diversos algoritmos de recomendación.
Lo que sugeriría al principio es obtener un conjunto de datos popular y relativamente pequeño (por ejemplo, MovieLens 100K Dataset), y experimentar con algoritmos de recomendación colaborativos simples, como la similitud de usuario-usuario o la similitud de elemento-elemento.
Puede leer acerca de las técnicas para normalizar los datos (¿Cómo normalizar los datos en un rango de 0-1?), Y compararlos con medidas de similitud, como la correlación de Pearson y la similitud del coseno.
Recomiendo encarecidamente este curso en Coursera (Introducción a los sistemas de recomendación: Universidad de Minnesota | Coursera) y un manual para rec. sistemas de Andrew Ng (Conferencia de Andrew Ng sobre el sistema de recomendación).
- Quiero un gran corte, pero mi madre no me deja. ¿Cómo puedo convencerla?
- Había escuchado que el flyboard había comenzado en Goa. ¿Sigue encendido? ¿Cuáles son los precios? ¿Cuáles son algunos detalles de contacto?
- Solicité en el sitio web de Oracle un puesto de desarrollador de software. ¿Cuándo puedo esperar su respuesta y cómo será el proceso de reclutamiento en Oracle?
- Estoy planeando comprar mi primer auto. Mi uso es de 24 km por día y tengo un presupuesto de 7.5 faltas. ¿Qué auto debo comprar? ¿Gasolina o diesel?
- ¿Por qué estoy más motivado para saber “cómo se hace” que para hacerlo realmente? Tan pronto como sé cómo se hace, pierdo el interés y paso a otro misterio. ¿Por qué es esto?
En mi opinión personal, los sistemas de recomendación son una excelente opción para aprender a extraer datos. Recomendaría usar Python (o R) por simplicidad.