Um Especialista em Machine Learning precisa recomendar produtos a usuários, aproveitando o comportamento e as preferências existentes dos usuários, usando a similaridade entre os usuários para prever itens que um usuário irá gostar. Qual abordagem melhor se encaixa nesse objetivo?

A filtragem colaborativa é a abordagem mais adequada porque se baseia na similaridade entre usuários (ou itens) para fazer recomendações. Ela aproveita o comportamento e as preferências de usuários semelhantes para prever o que um usuário pode gostar, que é exatamente o que o cenário descreve. Um sistema baseado em conteúdo recomendaria itens semelhantes aos que o usuário já gostou, com base nas características dos itens, não na similaridade entre usuários. A filtragem baseada em modelo é um tipo de filtragem colaborativa, mas "filtragem colaborativa" é o termo mais abrangente e direto para a descrição. A filtragem híbrida combina várias abordagens e seria uma solução mais complexa do que o necessário para o objetivo principal descrito. O Apache Spark ML no Amazon EMR é uma ferramenta robusta para implementar qualquer uma dessas abordagens em larga escala.