En este workshop se mostrarán aplicaciones del Big Data en el mundo empresarial, prestando especial interés en su uso por sectores. Además, se realizarán casos de uso, utilizando el lenguaje de programación estadístico R para su mejor comprensión.
En este workshop se mostrarán aplicaciones del Big Data en el mundo empresarial, prestando especial interés en su uso por sectores. Además, se realizarán casos de uso, utilizando el lenguaje de programación estadístico R para su mejor comprensión.
Conocer las principales técnicas de sistemas de recomendación.
Comprender las características necesarias que tienen los sistemas de recomendación.
Conocer ejemplos de sistemas de recomendación.
Construir un sistema de recomendación de un e-commerce.
ENAE desarrolla una metodología activa y participativa basada en el "Método del Caso", que alterna las exposiciones de conceptos, técnicas y métodos de análisis, con el desarrollo de casos prácticos que reflejan situaciones empresariales reales.
Con el fomento del trabajo en equipo se pretende conseguir la integración de todos los miembros y resolver de una forma más eficaz los casos planteados, mediante el intercambio de distintos puntos de vista, opiniones y experiencias. Se aprenderá de los formadores pero también de las experiencias profesionales de los compañeros.
El conocimiento básico de R y R Studio es recomendable para el máximo aprovechamiento del curso.
Duración: El curso tiene una duración de 12 horas lectivas.
Días de clase: 6 y 12 de junio.
Modalidad: El curso se imparte en modalidad 100% online, combinando clases en directo, donde podrás interactuar con el profesor y tus compañeros, y videoconferencias. También tendrás a tu disposición las grabaciones en CANVAS, nuestro campus virtual.
Curso bonificable por FUNDAE.
Sede: Edificio ENAE. Campus Universitario de Espinardo 30100, Espinardo, Murcia.
Sistemas de recomendación no personalizados
Sistemas de recomendación personalizados
Modelo TF-IDF
Similitud entre Items
Filtrado Colaborativo Item-Item
Filtrado Colaborativo User-User
Predicción: Low Rank Matriz Factorization 2.4. Proyecto Sigefilms
Ejemplos de Sistemas de Recomendación