Proyecto de Sistema de Recomendación de Filtrado Colaborativo basado en Machine Learning

Autores/as

  • Cesar Enrique Pita Perez Postgrado en Informática, Universidad Mayor de San Andrés

Palabras clave:

sistema de recomendación, filtrado colaborativo, machine learning

Resumen

En el presente trabajo se describe conceptos de sistemas de recomendación, machine learning y la aplicación de estas tecnologías en diferentes áreas. Se realiza un estudio del estado del arte sobre los sistemas de recomendación y se presenta el diseñó de la investigación.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Cesar Enrique Pita Perez, Postgrado en Informática, Universidad Mayor de San Andrés

Ingeniero de Sistemas por la Universidad Técnica de Oruro. Diplomado en Planificación y Gerencia de Sistemas. Actualmente realiza la maestría en Alta Gerencia y en TICs e Innovación para el Desarrollo MAG-TIC en el Postgrado en Informática de la Universidad Mayor de San Andrés. Inscrito a la SIB con Matrícula 28122
Profesional en desarrollo en el Ministerio de Economía y Finanzas Públicas. Sus intereses: Investigación de Operaciones, Ciencia de Datos, Ingeniería de Datos. Email: cesar.aapv@gmail.com.

Citas

C. A. R. Morales, «Algoritmo SVD aplicado a los sistemas de recomendación en el comercio,» Tecnología, Investigación y Academia, p. 10, 2018.

P. P. Yague, P. R. Jiménez y M. M. Patiño, «Recomendaciones en tiempo real mediante filtrado colaborativo incremental y rel time Big Data,» Madrid, 2019.

D. P. Sastre, Deep Learning para Sistemas de Recomendación basados en contenido, Madrid: Propia, 2017.

C. C. Aggarwal, Recommender Systems, New York: Springer, 2016.

J. C. P. Gallegos, S. A. Torres y F. S. Quezada Aguilera, Inteligencia Artificial, Europa Aid.: Iniciativa Latinoamericana de Libros de Texto Abiertos., 2014.

A. Roberto, Inducción de Preferencias a partir del contexto de elección del usuario en sistemas de recomendación, Buenos Aires, Argentina.: Propia, 2013.

J. Ávila, Sistemas de Recomendaciones de Contenido de TV digital basado en Ontologías., Cuenca, Ecuador: Propia., 2014.

M. A. M. García, Clasificación multilingüe de documentos utilizando machine learning y la Wikipedia, Vigo, España.: EIDO, 2017.

M. C. M. Álvaro y F. J. Segovia Perez, Sistema de Recomendación híbrido para la predicción de calificaciones em Yelp.com, Madrid, España: U. Politécnica, 2016.

C. M. A. Álvarez, Metodología de la investigación cuantitativa y cualitativa, Neiva: Universidad Sur Colombiana, 2011.

E. R. N. Valdez, Sistemas de Recomendación de Contenidos para Libros Inteligentes, Oviedo: Propia, 2012.

R. Alvarado, J. Hernández y E. Villatoro, «Sistema de recomendación de música basado en aprendizaje semi supervisado,» Research in Computing Science 94, p. 13, 2015.

D. Jannach, M. Zanker y A. Feldering, Recommender Systems an Introductions, Estados Unidos: Cambridge, 2011.

V. Patricia, C. Cornelis y M. De Cock, Trust Networks for Recommender Systems, Ámsterdam Paris: Atlantis Press, 2011.

portada revista pgi n8 2021

Descargas

Publicado

2021-11-30

Cómo citar

Pita Perez, C. E. (2021). Proyecto de Sistema de Recomendación de Filtrado Colaborativo basado en Machine Learning. INF-FCPN-PGI Revista PGI, (8), 48–51. Recuperado a partir de https://ojs.umsa.bo/ojs/index.php/inf_fcpn_pgi/article/view/46

Número

Nro. 8 (2021)

Sección

Artículos

Licencia

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Distribución - Ajustes de distribución - Licencia - Términos de la licencia