Dieser praxisorientierte, projektbasierte Kurs führt die Lernenden durch den Prozess des Entwurfs, der Entwicklung und der Evaluierung einer funktionalen Buchempfehlungsmaschine unter Verwendung von Python und Datenwissenschaftstechniken. Beginnend mit den grundlegenden Prinzipien werden die Teilnehmer die Schlüsselkomponenten von Empfehlungssystemen identifizieren, strukturierte Datensätze vorbereiten und benutzergesteuerte Filter anwenden, um personalisierte Empfehlungen zu generieren. In den fortgeschrittenen Phasen werden die Teilnehmer inhaltsbasierte Filtermodelle unter Verwendung von Textdaten konstruieren, aussagekräftige Merkmale mit TF-IDF und Vektoren extrahieren und Ähnlichkeitsscores berechnen, um Artikel effektiv zu bewerten. Im Laufe des Kurses werden die Teilnehmer auch Metadaten mit mehreren Attributen (z. B. Autor, Titel, Genre) integrieren, kombinieren und umwandeln, um die Relevanz der Ergebnisse zu verbessern. Am Ende dieses Kurses werden die Teilnehmer in der Lage sein, eine reale Empfehlungsmaschine zu entwerfen, zu implementieren und zu verfeinern, die Systeme nach Industriestandard simuliert.