El e-Learning es una opción muy buscada por los estudiantes durante situaciones de pandemia. En las plataformas de e-Learning, hay muchos cursos disponibles y el usuario necesita seleccionar la mejor opción para ellos. Por lo tanto, los sistemas de recomendación juegan un papel importante al proporcionar mejores servicios de automatización a los usuarios al hacer elecciones de cursos. Realiza recomendaciones para los usuarios al seleccionar la opción deseada basada en sus preferencias. Este sistema puede utilizar técnicas basadas en inteligencia artificial (IA) para llevar a cabo el mecanismo de recomendación. Basado en las preferencias e historial, este sistema es capaz de saber qué es lo que más les gusta a los usuarios. En este trabajo, se propone un sistema de recomendación utilizando el mecanismo de filtrado colaborativo para la recomendación de cursos de e-Learning. Este trabajo se centra en modelos basados en IA como K-vecinos más cercanos (KNN), Descomposición de Valores Singulares (SVD) y modelos de filtrado colaborativo basados en redes neuronales (NCF). Aquí, se toma un conjunto de datos de revisiones de cursos de Coursera de un lakh de Kaggle para el análisis. El trabajo propuesto puede ayudar a los estudiantes a seleccionar los cursos de e-Learning según sus preferencias. Este trabajo se implementa utilizando el lenguaje de programación Python. El rendimiento de estos modelos se evalúa utilizando métricas de rendimiento como tasa de acierto (HR), rango medio inverso de acierto (ARHR) y error absoluto medio (MAE). A partir de los resultados, se observa que KNN es capaz de desempeñarse mejor en términos de una tasa de acierto y ARHR más altas y valores de MAE más bajos en comparación con otros modelos.