Запропоновано дослідження проблеми створення рекомендацій, з технічним описом для побудови рекомендаційної системи для вибору товарів масового вжитку за допомогою сучасних алгоритмів, підходів, принципів і містить дослідження найбільш популярних методів. Було визначено, що впровадження рекомендаційних систем є однією з областей, які швидко розвиваються для вдосконалення прикладних інформаційних технологій, інструментів для автоматичного генерування пропозицій, заснованих на дослідженні особистих потреб і профілю клієнтів. Було досліджено, що такі системи почали грати дуже важливу роль в швидко зростаючому Інтернеті, оскільки вони допомагають користувачам орієнтуватися у великій кількості інформації, користувачі не можуть аналізувати великий обсяг інформації, адже це дуже складно і також вимагає багато часу і зусиль, але завдяки рекомендаційним системам, які можуть фільтрувати великий обсяг інформації і надавати користувачам інформацію і рекомендації, які їм подобаються, проблема може бути вирішена і замість надання статичної інформації, коли користувачі шукають, і можливо, купують продукти, такі системи збільшують ступінь інтерактивності для розширення можливостей, що надаються користувачеві. Було визначено, що рекомендаційні системи формують рекомендації самостійно для кожного конкретного користувача на основі минулих покупок і пошуків, а також на основі поведінки інших користувачів за допомогою служб рекомендацій, які збирають різну інформацію про людину, що використовує кілька методів, і в той же час всі системи є загальними. Було проведено огляд методів фільтрації на основі контенту, спільної фільтрації і гібридних методів. Було виконано огляд алгоритмів альтернативних найменших квадратів і сингулярного розкладання. Описана конструкція рекомендаційної системи програмного забезпечення для вибору товарів масового вжитку. Зроблено пояснення деяких можливостей програмної реалізації і інструментів програмування для розроблюваної системи. Зроблено висновки про проблеми рекомендаційних систем і огляд існуючих алгоритмів., Предложено исследование проблемы создания рекомендаций, с техническим описанием для построения рекомендательной системы для выбора потребительских товаров с помощью современных алгоритмов, подходов, принципов и содержит исследование наиболее популярных методов. Было определено, что внедрение рекомендательных систем является одной из быстро развивающихся областей для совершенствования прикладных информационных технологий, инструментов для автоматического генерирования предложений, основанных на исследовании личных потребностей и профиля клиентов. Было исследовано, что такие системы начали играть очень важную роль в быстрорастущем Интернете, поскольку они помогают пользователям ориентироваться в большом количестве информации, пользователи не могут анализировать большой объем информации, это требует много времени и усилий, но благодаря рекомендательным системам, которые могут фильтровать большой объем информации и предоставлять пользователям информацию и рекомендации, которые им нравятся, проблема может быть решена и вместо предоставления статической информации, когда пользователи ищут и покупают продукты, такие системы увеличивают степень интерактивности для расширения возможностей, предоставляемых пользователю. Было определено, что рекомендательные системы формируют рекомендации самостоятельно для каждого конкретного пользователя на основе прошлых покупок и поисков, а также на основе поведения других пользователей с помощью служб рекомендаций, которые собирают различную информацию о человеке, использующем несколько методов, и в то же время все системы являются общими. Был проведен обзор методов фильтрации на основе контента, совместной фильтрации и гибридных методов. Был выполнен обзор алгоритмов альтернативных наименьших квадратов и сингулярного разложения. Описана конструкция рекомендательной системы программного обеспечения для выбора товаров массового потребления. Объяснены основные возможности программной реализации и инструменты программирования для разрабатываемой системы. Сделаны выводы о проблемах рекомендательных систем и обзор существующих алгоритмов., There have been proposed investigation of the problem of creating recommendations with technical description for building the Recommender System of consumer goods with help of modern algorithms, approaches, principles and contains the investigation of the most popular methods. It was defined, that the deployment of Recommender Systems is one of the rapidly developing areas for improving applied information technolog ies, tools for automatic generating offers service based on the investigation of the personal needs and profile of customers. It was investigated, that such systems have started to play a very important role in the fast growing Internet, as they help users to navigate in a large amount of information, because users are not able to analyze a large amount of information, because it is very difficult and takes a lot of time and effort, but due to such systems, namely Recommender Systems that are able to filter a large amount of information, and provide for users the information and recommendations their likes the problem can be solved and instead of providing the static information, when users search and, perhaps, buy products, Recommender Systems increase the degree of interactivity to expand the opportunities provided to the user. It was defined, that Recommendation systems form recommendations independently for each specific user based on past purchases and searches, and also on the basis of the behavior of other users with help of recommendation services, which collect different information about a person using several methods and at the same time all systems are shared. An overview of content-based, collaborative filtering and hybrid methods was performed. An overview of Alternating Least Squares and Singular Value Decomposition recommendation algorithms was performed. The design of the Recommender System of consumer goods software component was described. The main features of software implementation and programming tools for the system which is being developed were explained. The conclusions about the problems of Recommender Systems and the review of existing algorithms were made.