Dans cet atelier, nous allons vous présenter comment implémenter vos moteurs de recommandation en utilisant les méthodes content-based et collaborative filtering, avec un focus sur le memory-based et le model based. Nous aborderons également les méthodes hybrides et une introduction aux méthodes du cloud. Enfin, nous comparerons les différentes méthodes et vous donnerons des conseils pour choisir et évaluer votre moteur de recommandation.

Dans cette section, nous détaillons les méthodes basées sur le contenu (content-based). Ces techniques se focalisent sur la nature et les caractéristiques des produits afin de recommander aux utilisateurs de nouveaux produits qui auront des propriétés similaires aux produits avec lesquels ils ont déjà interagi. Aucune information provenant d'utilisateurs n’est impliquée dans la recommandation ici.

Dans cette section, nous détaillons les méthodes basées sur le filtrage collaboratif (collaborative filtering). Les systèmes basés sur le filtrage collaboratif produisent des recommandations en calculant la similarité entre les préférences d’un utilisateur et celles des autres utilisateurs. Ces méthodes, contrairement aux méthodes de content-based, ne tentent pas d’analyser ou de comprendre le contenu des éléments à recommander. On utilise seulement les données relatives aux autres utilisateurs.

Dans cette section, nous nous focalisons sur la sous approche du filtrage collaboratif : l'approche basée mémoire (memory based).

Dans cette section, nous nous focalisons sur la sous approche du filtrage collaboratif : l'approche basée modèle (model based).

Cette section introduit les méthodes hybrides et les méthodes du cloud en terme de recommandation.

Dans cette section, nous comparons les différentes méthodes de recommandation à l'aide de différentes notions ou métriques, quelles soient traditionnelles ou atypiques, dans le but de choisir le meilleur algorithme prédictif possible.

Dans cette section, nous concluons avec un résumé rapide des différentes méthodes de recommandation et quelques conseils.

Vous retrouverez ici l'ensemble des énoncés pour la mise en pratique du cours sur les moteurs de recommandation en Python. Si vous participez à l'atelier pratique, nous effectuerons ces exercices au cours de l'atelier !