Дана робота присвячена розробці архітектури рекомендаційних систем із застосуванням технік машинного навчання для розв’язання задачі рекомендацій - виділення релевантної частини каталогу контенту для користувача на основі його уподобань. Розглянуто процес розробки та фази роботи рекомендаційних систем. Описано різні критерії оцінки та способи тестування відповідних алгоритмів. Наведено алгоритми машинного навчання, які застосовуються в даній сфері, порівняно їхні недоліки та переваги. Поєднано деякі з них (декомпозиція матриці оцінок, колаборативна фільтрація, кластеризація та фільтрація на основі контенту) у гібридну рекомендаційну систему за допомогою лінійної регресії.