Opitz, DanielaMedel Vergara, Marcelo2022-02-222022-02-222021-12http://hdl.handle.net/11447/5567Proyecto de grado presentado a la Facultad de Ingeniería de la Universidad del Desarrollo para optar al grado académico de Magíster en Data ScienceLos sistemas de recomendación en los e-commerce son utilizados para personalizar la experiencia de compra, mejorando la satisfacción de los clientes e incrementando el valor generado por la plataforma para cada cliente que visita. El propósito detrás de estos sistemas en el e-commerce es poder ayudar a los clientes en distintas etapas de su proceso compra, desde la búsqueda de productos de productos en forma rápida y eficiente, la localización de ofertas atractivas de productos de distintas categorías hasta la recomendación de productos nuevos que podrían ser de interés del cliente. En este trabajo presentamos la implementación de un sistema de recomendación híbrido para un ecommerce utilizando la información del catálogo de productos, atributos sociodemográficos de los clientes y la historia de sus transacciones. El modelo fue ajustado evaluando con distintas combinaciones de hiper parpámetros para optimizar la métrica de precision@k. Finalmente el sistema de recomendación desarrollado puede realizar recomendaciones personalizadas para clientes conocidos y también recomendar productos para clientes sin historial de transacciones71 p.esSistemas de recomendación híbridoFiltro colaborativoFactorización de matricesPersonalizaciónE-commerce.070037SThesis