La recomendación de cursos es clave para el éxito en el camino académico de un estudiante. Sin embargo, es desafiante seleccionar adecuadamente el contenido del curso entre numerosos recursos de educación en línea, debido a las diferencias en las estructuras de conocimiento de los usuarios. Por lo tanto, este documento desarrolla un enfoque novedoso de clasificación de sentimientos para recomendar los cursos utilizando el Algoritmo de Optimización Taylor-chimp habilitado por el Aprendizaje Profundo Multimodal Aleatorio (RMDL basado en Taylor ChOA). Aquí, el Taylor ChOA propuesto es recientemente diseñado por la combinación del concepto de Taylor y el Algoritmo de Optimización Chimp (ChOA). Inicialmente, se realiza una revisión del curso para encontrar el curso óptimo, y luego se realiza la extracción de características para extraer las diversas características significativas necesarias para su posterior procesamiento. Finalmente, se realiza la clasificación de sentimientos utilizando RMDL, que es entrenado por el algoritmo de optimización propuesto, llamado ChOA. De esta manera, se obtienen los cursos revisados positivamente a partir de los sentimientos clasificados para mejorar el procedimiento de recomendación de cursos. Se realizan experimentos extensos utilizando el conjunto de datos E-Khool y el conjunto de datos de cursos de Coursera. Los resultados empíricos demuestran que el modelo RMDL basado en Taylor ChOA supera significativamente a los métodos de vanguardia para tareas de recomendación de cursos.