Entwickeln Sie mithilfe von Python ein praktisches Filmempfehlungssystem anhand eines vollständigen, praxisorientierten Arbeitsablaufs. Zunächst befassen Sie sich mit den Konzepten von Empfehlungssystemen, deren Anwendungen in der Praxis und den Grundlagen des kollaborativen Filterings. Anschließend richten Sie Ihre Python-Umgebung mit Anaconda und der Surprise-Bibliothek ein, bereiten echte Nutzerdaten auf und entwickeln ein Vorhersagemodell, das personalisierte Filmempfehlungen generiert.

Dieser Kurs richtet sich an Lernende, die sich für Python, maschinelles Lernen und Empfehlungssysteme interessieren, und führt Sie von den CORE-Konzepten bis zur Umsetzung. Sie lernen, Datensätze zu analysieren, ein Modell für kollaboratives Filtern zu erstellen und zu validieren, dessen Leistung durch Kreuzvalidierung mit RMSE und MAE zu bewerten, Vorhersageergebnisse zu interpretieren und strukturierte Python-Funktionen zu erstellen, die Top-Filmempfehlungen liefern. Was diesen Kurs auszeichnet, ist sein fokussierter, ganzheitlicher Ansatz: Jedes Konzept dient der Erstellung eines funktionierenden Empfehlungsmodells. Am Ende des Kurses sind Sie in der Lage, Empfehlungsdatensätze aufzubereiten, Vorhersagemodelle zu implementieren und zu bewerten sowie personalisierte Filmvorschläge mithilfe eines reproduzierbaren Python-Workflows zu generieren. Melden Sie sich an, um praktische Erfahrungen beim Aufbau einer Empfehlungsmaschine von Grund auf und bei der Anwendung von Techniken des maschinellen Lernens auf echte Nutzerdaten zu sammeln.