BOOTCAMP AVANZADO DE SISTEMAS DE RECOMENDACIÓN

Nivel: Experto
Viernes: 18:00h a 21:00h
Sábados: 9:30h a 12:30h
Duración: 20h
Consultar
Modalidad: Presencial en aula virtual

A consultar

Todos los días somos impactados por recomendaciones: en la televisión, internet, en nuestro móvil.

Descubre las técnicas de analítica avanzada detrás de los sistemas y motores de recomendación que utilizan las grandes empresas de contenido como Netflix, Amazon y Spotify: desde técnicas sencillas basadas en tendencias y relevancia hasta modelos de filtrado colaborativo basados en Deep Learning.

Explorarás la mecánica y analítica detrás de los sistemas de recomendación utilizados en distintos sectores: comenzando con los motores clásicos y llegando al estado del arte y las últimas investigaciones y modelos utilizados por las empresas líderes en recomendadores de productos y contenido.

Los sistemas de recomendación han cambiado y siguen cambiando el mundo. Aprende todo lo que hay que saber sobre ellos en el Bootcamp más avanzado que podrás encontrar ahora mismo. Comienza con nosotros y pasa de tener un conocimiento base a ser especialista en ML y sistemas de recomendación.

Este es un Bootcamp AVANZADO. Hay teoría, pero la práctica lo es todo. Domina totalmente los sistemas de recomendación y conviértete en EXPERTO.


MODALIDAD

Sistema de aprendizaje presencial en aula virtual, la alternativa ideal al entorno de aula típica. Podrás asistir al Bootcamp desde cualquier punto, siempre que tengas conexión a internet.

Interactúa con el tutor y con el resto de tus compañeros, tal y como lo harías en una sesión de formación tradicional, pero con la comodidad de poder aprender desde casa.

BOOTCAMP DIRIGIDO A:

Este curso está dirigido a personas con experiencia en Ciencia de Datos que quiera profundizar y especializarse en Sistemas de Recomendación.

Dirigido a profesionales con formación previa:
este es el bootcamp de ML más avanzad que podrás encontrar ahora mismo en español.


METODOLOGÍA

A la excelencia se llega mediante la práctica y, aunque en el Bootcamp verás teoría, todo lo que demos en clase tendrás que trabajarlo en ejercicios prácticos. Nuestra metodología es técnica y aprendemos trabajando.

Nuestro Bootcamp se fundamenta en una metodología innovadora estrechamente conectada con el mundo real: Learning by doing (metodología propia, © desde 2016)

Este sistema combina una formación técnica rigurosa con un aprendizaje intenso y experiencial propio de datahack.

QUÉ VAS A APRENDER EN EL BOOTCAMP AVANZADO DE SISTEMAS DE RECOMENDACIÓN

  • Sistemas de recomendación basados en Contenido.
    • Modelos de Clasificación/Regresión
    • Basados en relevancia y similaridad (Tf-Idf, cosine sim, etc.)
  • Filtrado colaborativo / Híbridos.
    • Basados en:
      • memoria
      • usuarios
      • productos
      • modelos
    • Factorización matricial
    • Clustering
    • Deep Learning

La estructura y materias del Bootcamp Avanzado de Sistemas de Recomendación está organizado de la siguiente manera:

● Introducción a sistemas de recomendación: tipologías y taxonomías

● Comportamiento del usuario online, sus ratings y su feedback

● Feedback explícito Vs implícito: ventajas y problemas

● Popularidad y minería de patrones frecuentes

● Similaridad, TF-IDF y cosine similarity

● Model-based Content Filtering: user-centered e item-centered.

● User-Based Collaborative Filtering

● Item-Based Collaborative Filtering

● Singular Value Decomposition: teoría y problemas

● Funk SVD y variantes (SVD++, NMF…)

● Implicit Matrix Factorization

● Tipologías Pointwise, Pairwise y Listwise

● Bayesian Personalized Ranking

● Constraint-Based y Case-Based

● Criterios de medición

● Métricas de clasificación, regresión y ranking

● Evaluación offline y online de sistemas

● Contextual Prefiltering, Contextual Postfiltering y Contextual Modeling

● Variantes de Factorization Machines: FMs, FFMs y LightFM

● Sistemas Monolíticos, Ensembles y Mixed

● Weighted Ensembles y FWLS

● Deep learning aplicado a sistemas de recomendación: NCF, WnD, Gru4Rec, DeepFM, xDeepFM, YoutubeDNN…

Los profesores que te acompañarán por este trepidante mundo del Big Data son profesionales en activo con una gran experiencia dentro del sector.

Julio Soto


Julio lleva más de 6 años como profesional en el campo del Data Science, con experiencia implementando modelos predictivos en grandes empresas de consultoría, telecomunicaciones, aseguradoras y bancos. Julio ha implementado múltiples sistemas de recomendación de contenido en Vodafone y en FOX TV España, y recomendadores de productos financieros en Santander. Actualmente trabaja como Lead Data Scientist en Sandoz Farmacéutica.

  • Nivel intermedio de Python
  • O haber cursado el Máster Big Data & Analytics.

Si no lo has cursado:

  • Estar familiarizado con modelos de Machine Learning.
  • Estar familiarizado con validación y testeado de modelos.

Aunque puedes presenciar la sesión desde cualquier dispositivo, las sesiones prácticas deben ejecutarse desde PC con procesador I7 y una memoria RAM de 16GB. También se podría con I5 y 8GB. Así podrás lanzar todos los programas y ejercicios que el tutor coordine durante la sesión.

Tu satisfacción es nuestro indicador fundamental para mediar la eficacia de nuestra formación.

+70%

ALUMNOS CONSIGUE MEJOR TRABAJO

+1000

ALUMNOS

GRADUADOS

+41%

ALUMNOS AMPLÍA FORMACIÓN

4

CAMPUS EN TODA ESPAÑA

40%

NOS ELIGE POR RECOMENDACIÓN

99%

TASA DE EMPLEABILIDAD

9/10
*Valoración global media de nuestros profesores.

Asociación Alumni

En Datahack cuidamos y estamos en permanente contacto con nuestros alumnos antes, durante y después de las clases. Gracias a la asociación de antiguos alumnos, conseguimos darles todas las ventajas que se merecen.
Nuestra asociación es flexible y evoluciona constantemente para adaptarse a las necesidades de los alumnos, estando abierta a todas sus sugerencias.

Datahack logo