19/3/24, 22:13 Un punto de entrada a la Personalización de contenido: Librería Surprise en Python | by José Luis Castro | Jan, 2024 | Medium

Open in app

Search Write

Get unlimited access to the best of Medium for less than $1/week. Become a member

Un punto de entrada a la
Personalización de contenido:
Librería Surprise en Python
José Luis Castro
3 min read · Jan 29, 2024

https://medium.com/@pepocasver/un-punto-de-entrada-a-la-personalización-de-contenido-librería-surprise-en-python-e3a697ff7fed 1/6
19/3/24, 22:13 Un punto de entrada a la Personalización de contenido: Librería Surprise en Python | by José Luis Castro | Jan, 2024 | Medium

Photo by Kevin Canlas on Unsplash

En estos tiempos las actividades digitales que desempeñamos generan tras

bambalinas una gran cantidad de datos, la capacidad de filtrar y presentar
información relevante de manera personalizada se ha vuelto esencial en
muchos sistemas y plataformas como e-commerce y servicios de streaming.
Los sistemas de recomendación, impulsados por algoritmos avanzados,
desempeñan un papel crucial en este escenario, ofreciendo sugerencias
adaptadas a los gustos y preferencias individuales de los usuarios.

Basándonos en el contexto anteriormente descrito, la librería Surprise en

Python emerge como una poderosa herramienta para la creación de
https://medium.com/@pepocasver/un-punto-de-entrada-a-la-personalización-de-contenido-librería-surprise-en-python-e3a697ff7fed 2/6
19/3/24, 22:13 Un punto de entrada a la Personalización de contenido: Librería Surprise en Python | by José Luis Castro | Jan, 2024 | Medium

sistemas de recomendación basados en el filtrado colaborativo.

En estas líneas, pretendo explorar de forma breve los usos que derivan de la
implementación de Surprise, mostrando cómo los algoritmos
implementados en esta librería se ha convertido en una piedra angular en el
desarrollo de experiencias personalizadas.

La librería Surprise es un scikit de Phyton que se destaca por su enfoque en

el filtrado colaborativo, un método que se basa en la idea de que las
preferencias de un usuario se pueden prever analizando el comportamiento
y las elecciones de usuarios similares. El uso principal de Surprise reside en
la construcción de sistemas de recomendación que anticipan las
preferencias individuales, creando así una experiencia más atractiva y
adaptada.

Surprise simplifica significativamente la implementación de estos sistemas

al proporcionar una API con una variedad de algoritmos de predicción
predefinidos para filtrado colaborativo. Estos algoritmos como por ejemplo
los basados en Factorización de matrices (SVD) o vecinos más próximos
(KNN) principalmente y entre otros con algunas variaciones, permiten a los
desarrolladores elegir el método más adecuado para su aplicación
específica. Así mismo permite la construcción de algoritmos de predicción
propios qué derivan de los algoritmos base predefinidos.

La librería facilita también la carga de datos desde diversas fuentes, como

bases de datos built-in (MovieLens y Jester) que permiten realizar
experimentos, dataframes de pandas o datasets personalizados desde
archivos, agilizando el proceso inicial de preparación de la data.

Esta librería provee de herramientas para evaluar, analizar y comparar el

desempeño de algoritmos. Procedimientos de Cross-validation se pueden
ejecutar de sencilla así como la búsqueda exhaustiva sobre el conjunto de
parámetros con el fin de obtener los que conduzcan a los mejores
resultados. Algunos métodos para el análisis de los modelos soportados son
RMSE (Medida de error cuadrático medio), MAE (Medida del error absoluto
medio), accuracy, Recall y F1-score.

Aplicaciones en Diversos Contextos

Comercio Electrónico y Filtrado de Productos: En el ámbito del comercio

electrónico, Surprise se convierte en un aliado valioso al filtrar productos y
sugerir aquellos que probablemente serán de interés para el usuario. Este
enfoque no solo mejora la experiencia de compra, que también puede dar un

https://medium.com/@pepocasver/un-punto-de-entrada-a-la-personalización-de-contenido-librería-surprise-en-python-e3a697ff7fed 3/6
19/3/24, 22:13 Un punto de entrada a la Personalización de contenido: Librería Surprise en Python | by José Luis Castro | Jan, 2024 | Medium

impulso mayor a las ventas al destacar productos de mayor interés para el

usuario o de interés popular.

Recomendaciones de Contenido Audiovisual: Entre las aplicaciones más

evidentes de Surprise se encuentra la recomendación de películas y series.
La librería se aplica como herramienta para analiza las calificaciones
previas de usuarios con gustos similares para así prever qué contenidos
podrían interesar a un usuario en particular.

Recomendaciones Musicales: La librería también encuentra aplicación en la

industria musical, donde analiza las preferencias pasadas de los usuarios
para prever qué canciones o artistas podrían sert del agrado del usuario en el
futuro. Servicios de streaming de música aprovechan esta capacidad para
ofrecer listas de reproducción personalizadas.

Personalización de Contenidos Educativos: En el ámbito educativo, Surprise

se puede utilizar para personalizar la entrega de contenido académico.
Analizando el desempeño y las preferencias de aprendizaje de los
estudiantes, la librería puede sugerir materiales o actividades específicas
que se alineen con sus necesidades individuales.

Sugerencias para viajes y hospedaje. En este rubro la librería de Surprise

puede utilizarse para generar recomendaciones basados en las ratings y
gustos de usuarios anteriores, estos filtros colaborativos pueden sugerir los
mejores lugares y negocios que visitar en una ciudad así como las opciones
de hospedaje desde hoteles hasta casas para vacacionar.

Pyhon Recommendation System Machine Learning

Written by José Luis Castro Edit profile

1 Follower

Ingeniero en Computación - UNAM

https://medium.com/@pepocasver/un-punto-de-entrada-a-la-personalización-de-contenido-librería-surprise-en-python-e3a697ff7fed 4/6
19/3/24, 22:13 Un punto de entrada a la Personalización de contenido: Librería Surprise en Python | by José Luis Castro | Jan, 2024 | Medium

More from José Luis Castro

José Luis Castro José Luis Castro

Caso de uso para la evaluación de Implementación de algoritmos

aplicación de algoritmos de… KNN utilizando scikit Surprise de…
El proyecto aquí descrito es es llevado a cabo En este artículo implementaré de forma
por el INEGI (Instituto Nacional de Geografía … sencilla los algoritmos KNNBasic y su varian…

5 min read · Feb 28, 2024 5 min read · Feb 7, 2024

See all from José Luis Castro

Recommended from Medium

Aleksei Rozanov in Towards Data Science Mirko Pet… in Mirko Peters — Data & Analytics …

Semantic Segmentation of Remote Introduction to Markov Chains

Sensing Imagery using k-Means Welcome to our comprehensive guide on
From scratch in python 🐍 Markov Chains. This mathematical concept…

9 min read · 5 days ago · 11 min read · Mar 1, 2024

530 2 107

Lists

https://medium.com/@pepocasver/un-punto-de-entrada-a-la-personalización-de-contenido-librería-surprise-en-python-e3a697ff7fed 5/6
19/3/24, 22:13 Un punto de entrada a la Personalización de contenido: Librería Surprise en Python | by José Luis Castro | Jan, 2024 | Medium
Predictive Modeling w/ Practical Guides to Machine
Python Learning
20 stories · 1012 saves 10 stories · 1219 saves

Natural Language Processing The New Chatbots: ChatGPT,

1300 stories · 791 saves Bard, and Beyond
12 stories · 339 saves

Benedict Neo in bitgrit Data Science Publication Dylan Cooper in Python in Plain English

Roadmap to Learn AI in 2024 Python is Ushering in Real Multi-

A free curriculum for hackers and Threading
programmers to learn AI The Global Interpreter Lock(GIL) can be
removed. From then on, Python will no longe…

11 min read · Mar 10, 2024 · 5 min read · Mar 11, 2024

7K 79 1.4K 10

Ignacio de Gregorio Thomas Smith in The Generator

Microsoft Opens The Era of 1-Bit Kate Middleton’s Doctored Photo is

LLMs a Sign of Something Much More…
16 Times Smaller, But Shocking Performance Trust in photos is eroding fast, and tech is to
blame

· 9 min read · Mar 12, 2024 · 6 min read · Mar 11, 2024

1.5K 15 10.4K 179

See more recommendations

https://medium.com/@pepocasver/un-punto-de-entrada-a-la-personalización-de-contenido-librería-surprise-en-python-e3a697ff7fed 6/6