Manejo de sistemas de recomendación, procesamiento de lenguaje natural y proyecto

Investiga  los elementos que integran el estudio de los métodos de recomendación colaborativos

A. Filtrado colaborativo basado en vecindario.

• Métricas de similitud para calcular la similitud entre usuarios o elementos.

• Algoritmos de vecinos más cercanos (k-NN) para generar recomendaciones.

• Técnicas de ponderación y normalización para mejorar la precisión de las recomendaciones. 

B. Filtrado colaborativo basado en modelos.

• Introducción al filtrado colaborativo basado en modelos.

• Técnicas de factorización matricial, como descomposición en valores singulares (SVD) y factorización matricial no negativa (NMF).

• Algoritmos de regresión y clasificación para generar recomendaciones.

• Técnicas de regularización para evitar el sobreajuste en los modelos.

Investigar de forma detallada los siguientes puntos al menos en 4 Inteligencias Artificiales diferentes 

realizar una presentación donde venga detallada la investigación de las 4 y mencionar cuales son las similitudes y diferencias entre ellas.

• Investigar cómo se lleva acabo el filtrado colaborativo basado en vecindario.

• Elaborar un cuadro QQQ (Qué veo, qué no veo y qué infiero) de las métricas de similitud para calcular la similitud entre usuarios o elementos.

• Elaborar un diagrama de procesos de la aplicación de algoritmos de vecinos más cercanos (k-NN) para generar recomendaciones.

• Elaborar un listado sobre las técnicas de ponderación y normalización para mejorar la precisión de las recomendaciones.

Proceso del Algoritmo k-NN para Recomendaciones

1 Entrar en el enlace y examinar el ejemplo 

2 Analizar el ejemplo y correr el código en Colab

3 Preguntar a la IA por otro ejemplo de  K-NN

4 correr el código en Colab 

SUBIR CODIGO Y RESULTADOS EN CLASROOM