Sistemas de recomendação são explorados com foco em algoritmos de filtragem colaborativa, métodos baseados em conteúdo e fatoração de matrizes, usando implementações em Python como exemplos concretos.

O enfoque prático cobre preparação de dados, engenharia de features e avaliação com métricas como precisão e recall, incluindo exercícios que mostram pipelines de treinamento e validação.

Leituras de código e estudos de caso ilustram técnicas de deploy e integração de modelos com bibliotecas comuns de Python, além de abordagens que envolvem deep learning para recomendações.