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 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 · Ai Ml
Fit score: 1
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosCientífico/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