Recomendador editorial para un medio digital de Buenos Aires
Visión general
De qué trata este proyecto.
Construye un recomendador híbrido con embeddings y diversidad temática para un medio digital. Obtén un certificado verificable.
El escenario
El medio tiene 95 personas en redacción y depende fuertemente de ingresos publicitarios; aumentar las páginas vistas por sesión sin sacrificar la pluralidad editorial es objetivo declarado del trimestre.
El Briefing
Lo que harás y lo que demostrarás.
Construir un recomendador editorial híbrido que equilibre relevancia y diversidad temática mejor que el sistema actual de co-lectura.
Earning criteria — what you'll demonstrate
- Combinar señales de red y de texto en un recomendador híbrido
- Medir diversidad además de relevancia
- Conducir sesiones de evaluación cualitativa con audiencias expertas
- Argumentar trade-offs con criterios editoriales
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Social Network Analysis and Web Science
Master · Applied Ai
Strong alignment
This challenge maps to Social Network Analysis and Web Science at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
- Recommender Systems
Apply recommender systems to solve real industry problems and demonstrate production-level capability.
- Embeddings
Apply embeddings to solve real industry problems and demonstrate production-level capability.
- Diversity Metrics
Apply diversity metrics to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Evaluation
Apply evaluation to solve real industry problems and demonstrate production-level capability.
- Qualitative Research
Apply qualitative research to solve real industry problems and demonstrate production-level capability.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Científico/a de Datos
Construir recomendadores híbridos con métricas de diversidad y validar con expertos editoriales es el perfil clásico de una persona data scientist en medios digitales.
Este proyecto afina
- recommender-systems
- diversity-metrics
- evaluation
Ingeniero/a de NLP
El componente semántico con embeddings multilingües es trabajo cotidiano de personas NLP que sirven recomendación textual en plataformas multilingües.
Este proyecto afina
- embeddings
- recommender-systems
- python
Ingeniero/a de Aprendizaje Automático
Definir métricas, planificar A/B tests y proponer despliegue es el patrón con el que MLEs cierran proyectos de personalización.
Este proyecto afina
- recommender-systems
- evaluation
- python