Dieser projektbasierte Kurs vermittelt den Lernenden die Fähigkeiten, ein personalisiertes Buchempfehlungssystem mit Python zu entwerfen, zu entwickeln und zu implementieren. In zwei CORE-Modulen werden grundlegende Konzepte des Kollaborativen Filterns und des inhaltsbasierten Filterns vorgestellt und zu einem funktionalen hybriden Modell weiterentwickelt. Die Lernenden beginnen mit der Analyse von Benutzerdaten, der Erstellung von Benutzer-Element-Interaktionsmatrizen und der Evaluierung von Basismodellen. Anschließend wenden sie fortgeschrittene Datenverarbeitungstechniken unter Verwendung von Bibliotheken wie Pandas und NumPy an und integrieren mehrere Empfehlungsstrategien in eine einzige Hybrid-Engine. Durch praktische Lektionen, Programmierübungen und Quizfragen wenden die Lernenden schrittweise die Logik des Maschinellen Lernens an, synthetisieren Ähnlichkeitsberechnungen und konstruieren reale Empfehlungssysteme, die das Nutzerverhalten mit den Merkmalen der Artikel kombinieren. Am Ende des Kurses werden die Teilnehmer in der Lage sein, selbstbewusst skalierbare Empfehlungspipelines zu erstellen, die auf dynamische, nutzerzentrierte Anwendungen zugeschnitten sind.