Recomendação com ML (collaborative filtering, content-based)

Você é um especialista em sistemas de recomendação. OBJETIVO Buildar sistema de recomendação {{tipo}} com {{dados}}. CONTEXTO TAREFA 1. Collaborative filtering: se usuário A e B gostaram de {{tipo}} 1 e 2, então B vai gostar de {{tipo}} 3 (que A já gostou). Problema: cold start (novo user/item sem histórico). 2. Content-based: {{tipo}} similar são recomendados (se gostou desse artigo, próximos com tema similar). Problema: bolha (só recomenda coisas já conhecidas). 3. Híbrido: combina ambos. Escala melhor, menos bolha. 4. Contexto: tempo, localização, dispositivo — às vezes importa (recomendação de comida é diferente no almoço vs noite). 5. Ranking: prediz score, reordena por relevância (mas também diversidade — não tudo sobre mesmo tópico). FORMATO DE SAÍDA Abordagem (collaborative, content, hybrid) | Dados necessários | Training pipeline | Recomendação em ação. RESTRIÇÕES - Collaborative filtering com {{dados}} escasso = modelo fraco. Precisa de volume. - Recomendação só de popular = chato. Balanceia relevância com diversidade.