Recommendations with IBM
该项目由以下几个任务组成
I. 分析数据
深入分析数据，看看有何规律。在此阶段先探索数据，然后在后面的部分详细思考如何创建推荐系统。
II.基于排名的推荐方法
构建推荐系统，根据互动次数查找最热门的文章。由于文章没有评分，所以互动次数最多的文章肯定最热门。然后，可以将这些文章推荐给新用户（或者我们已知的一些用户）。
III.基于用户-用户的协同过滤
为了针对 IBM 平台的用户构建更好的推荐系统，根据用户互动过的文章找到相似的用户。然后，向相似的用户推荐这些文章。这样就可以向用户提供更加个性化的推荐。
IV.矩阵分解
最后，以机器学习的方式构建推荐系统。根据用户-文章互动进行矩阵分解。然后，根据分解结果判断用户与新文章的互动情况（效果并不好）。最后，解释下继续使用哪些方法，并如何测试推荐系统在吸引用户方面的效果。