Sigla Asignatura BDY7001 Nombre de la BIG DATA

Asignatura

Nombre del Recurso Didáctico 2.1.4.ACT_Filtrado Colaborativo.

Unidad de Aprendizaje N° 2 Machine Learning con Big Data

Unidades de Competencia Administra el volumen, la diversidad y complejidad del

almacenamiento de datos para gestionar y extraer valor de acuerdo
a los requerimientos de la organización.

Actividad 2.1.4: Filtrado Colaborativo

Descripción

En esta actividad deberá construir un sistema de recomendación de películas.

Entra en más detalles sobre los sistemas de recomendación. Específicamente,

utilizará la factorización matricial para construir un sistema de recomendación de
películas, utilizando el conjunto de datos MovieLens.

Dado un usuario y sus clasificaciones de películas en una escala de 1-5, su sistema

recomendará películas que el usuario probablemente clasifique altamente.

Tópicos cubiertos:

• Exploración de los datos de MovieLens

• Factorización matricial utilizando SGD

• Visualización de incrustación

• Regularización en factorización matricial

Instrucciones

1. Exploré los datos de peliculaa desde:

https://movielens.org/

Tambien puede descargar las peliculas desde aquí:

https://grouplens.org/datasets/movielens/100k/

2. Para poder generar notebooks con Python recomiendo utilizar Anaconda que ya
viene incluido con Jupyter. Una vez descargado e instalado, al abrir Anaconda y
dar click en launch para Jupyter se abrirá una nueva ventana en el browser.
Ventana de Jupyter en el Browser

3. Una vez instalado Anaconda y teniendo abierto el browser. Crearemos un nuevo

archivo de notebook.

En la esquina superior derecha esta la opción de nuevo Notebook Python 3

Notebook nuevo en blanco para iniciar con la codificación.

Actividades:

• Ejecutar paso a paso las capturas de pantallas desde su computador el código

del siguiente link GitHub, parte 1 y 2, y vaya capturando las pantallas desde el
Jupyter de su computador (3 ptos.)
 • Indique qué observan de estos notebooks (1 pto)

• Indiquen cómo podrían aplicar el filtrado coloaborativo a los casos de venta de

bicicletas y al de la compañía de seguros. (3 pto.)

Recursos
https://www.coursera.org/lecture/machine-learning/collaborative-filtering-2WoBV

https://developers.google.com/machine-
learning/recommendation/collaborative/basics

https://medium.com/@eng.saavedra/para-que-recomendar-953520a0a7d0
https://medium.com/@eng.saavedra/sistemas-de-recomendaci%C3%B3n-parte-2-
b8a5dc9dc730