2.seminarska naloga: priporočilni sistemi

Vaša naloga je implementirati priporočilni sistem. Na vajah bomo delali v Pythonu, lahko pa uporabite poljuben programski jezik. 

Naloge se bomo lotili po korakih. Na koncu strani tega predmeta (sekcija Navodila za praktično implementacijo priporočilnega sistema) imate opise nalog.  Pri nalogah je označeno, katere morate rešiti za določeno oceno (številka v oklepaju), neobvezne (neoznačene) so kar tako za vajo, naloge z zvezdico so za višjo oceno (glej spodaj). Pri večini nalog imate tudi rešitve, vendar ni nujno, da dobite točno tak rezultat, saj je včasih odvisen od specifike implementacije. Je pa dobro, da je vsaj približno enak. 

Z rešenimi nalogami lahko dosežete maksimalno oceno 8. Za višjo oceno imate dve možnosti: 

• Implementirajte priporočilni sistem na drugih podatkih (ne movielens). Med drugim uporabite vsaj dve različni metodi, evaluirajte jih, poglejte primer priporočila in komentirajte, kako deluje. V bistvu, ideja je, da implementacijo za ocene 6-8 uporabite še na drugih podatkih. Za seminarsko nalogo lahko uporabite katerekoli dovolj velike podatke (uporabnikov naj bo vsaj 100, produktov pa vsaj 1000).
• Implementirajte eno nalogo označeno z zvezdico. 

Na vajah bomo uporabljali izvedene movielens podatke. Opis podatkov je v README datoteki. Te podatke uporabite tudi za seminar.

Seminarsko oddajte kot Jupyter notebook z ustreznimi komentarji ali kot Python skripto. Projekt lahko vsebuje poljubno število datotek. Poročilo ni potrebno. 

Seminarsko boste zagovarjali na zadnjih vajah (13.1.2026 in 14.1.2026).