Explique le classificateur K-Nearest Neighbors, en attribuant des étiquettes basées sur les points les plus proches et en lissant le bruit dans les étiquettes.
Introduit les systèmes de recommandation, le filtrage collaboratif, la recommandation basée sur le contenu, les paramètres de similitude et la factorisation matricielle.
Couvre le filtrage collaboratif et les méthodes basées sur le contenu pour les systèmes de recommandation, en abordant les problèmes de démarrage à froid et en faisant des prédictions.
