<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Node2Vec on Sergio A. Mora Pardo | Líder técnico de IA/ML</title><link>https://sergiomorapardo.github.io/es/tags/node2vec/</link><description>Recent content in Node2Vec on Sergio A. Mora Pardo | Líder técnico de IA/ML</description><generator>Hugo</generator><language>es-CO</language><lastBuildDate>Sun, 06 Sep 2026 00:00:00 -0500</lastBuildDate><atom:link href="https://sergiomorapardo.github.io/es/tags/node2vec/index.xml" rel="self" type="application/rss+xml"/><item><title>De co-likes a candidatos con Node2Vec</title><link>https://sergiomorapardo.github.io/es/notas/recomendaciones-node2vec/</link><pubDate>Sun, 06 Sep 2026 00:00:00 -0500</pubDate><guid>https://sergiomorapardo.github.io/es/notas/recomendaciones-node2vec/</guid><description>&lt;p&gt;Un catálogo puede convertirse en un grafo antes de convertirse en un recomendador. En el notebook fuente, dos películas se conectan cuando las mismas personas califican positivamente a ambas. Node2Vec transforma luego esos vecindarios en vectores, de modo que las películas cercanas pueden recuperarse mediante una consulta de similitud coseno.&lt;/p&gt;&#10;&lt;p&gt;Es un patrón útil para generar candidatos. No es, por sí solo, un sistema de recomendación completo. Esta nota separa lo que demuestra el notebook de la evaluación y el serving que todavía necesitaría un sistema de producción.&lt;/p&gt;</description></item></channel></rss>