In this course, you will learn the fundamental techniques for making personalized recommendations through nearest-neighbor techniques. First you will learn user-user collaborative filtering, an algorithm that identifies other people with similar tastes to a target user and combines their ratings to make recommendations for that user. You will explore and implement variations of the user-user algorithm, and will explore the benefits and drawbacks of the general approach. Then you will learn the widely-practiced item-item collaborative filtering algorithm, which identifies global product associations from user ratings, but uses these product associations to provide personalized recommendations based on a user's own product ratings.
Этот курс входит в специализацию ''Специализация Рекомендательные системы'
12 659 уже зарегистрированы
от партнера
Специализация Рекомендательные системыМиннесотский университетОб этом курсе
Недавно просмотрено: 3 289
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 2 из 5 в программе
Прибл. 15 часов на выполнение
Английский
Субтитры: Французский, Португальский (Европа), Русский, Английский, Испанский
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 2 из 5 в программе
Прибл. 15 часов на выполнение
Английский
Субтитры: Французский, Португальский (Европа), Русский, Английский, Испанский
от партнера
Миннесотский университет
The University of Minnesota is among the largest public research universities in the country, offering undergraduate, graduate, and professional students a multitude of opportunities for study and research. Located at the heart of one of the nation’s most vibrant, diverse metropolitan communities, students on the campuses in Minneapolis and St. Paul benefit from extensive partnerships with world-renowned health centers, international corporations, government agencies, and arts, nonprofit, and public service organizations.
Программа курса: что вы изучите
13 минут на завершение
Preface
Note that this course is structured into two-week chunks. The first chunk focuses on User-User Collaborative Filtering; the second chunk on Item-Item Collaborative Filtering. Each chunk has most of the lectures in the first week, and assignments/quizzes and advanced topics in the second week. We encourage learners to treat each two-week chunk as one unit, starting the assignments as soon as they feel they have learned enough to get going.
13 минут на завершение
1 видео ((всего 3 мин.)), 1 материал для самостоятельного изучения
1 ч. на завершение
User-User Collaborative Filtering Recommenders Part 1
1 ч. на завершение
5 видео ((всего 85 мин.))
5 ч. на завершение
User-User Collaborative Filtering Recommenders Part 2
5 ч. на завершение
2 видео ((всего 13 мин.)), 2 материалов для самостоятельного изучения, 3 тестов
1 ч. на завершение
Item-Item Collaborative Filtering Recommenders Part 1
1 ч. на завершение
6 видео ((всего 70 мин.))
6 ч. на завершение
Item-Item Collaborative Filtering Recommenders Part 2
6 ч. на завершение
2 видео ((всего 10 мин.)), 2 материалов для самостоятельного изучения, 5 тестов
2 ч. на завершение
Advanced Collaborative Filtering Topics
2 ч. на завершение
5 видео ((всего 73 мин.))
Рецензии
Лучшие отзывы о курсе NEAREST NEIGHBOR COLLABORATIVE FILTERING
от партнера NS11 дек. 2019 г.
i found this course very helpful and informative. it explains the theory while providing real-world examples on recommender systems. the assignment helps in clearing up any confusion with the material
от партнера SS30 мар. 2019 г.
Thank you so very much to open my eye see more view of recommendation field not only algorithms but use case and many trouble-shooting in worldwide business, moreover interview with noble professor.
от партнера DG1 февр. 2020 г.
I found this course very informative and clears lot of concept in Item based and used based collaborative filtering. Spreadsheet assignment helped me to clearly understand the algorithms.
от партнера EM24 окт. 2016 г.
Very good content ! Very interesting interviews with expert in the field that shows real examples. However the exercise needs a bit more work to be very useful.
Специализация Рекомендательные системы: общие сведения
A Recommender System is a process that seeks to predict user preferences. This Specialization covers all the fundamental techniques in recommender systems, from non-personalized and project-association recommenders through content-based and collaborative filtering techniques, as well as advanced topics like matrix factorization, hybrid machine learning methods for recommender systems, and dimension reduction techniques for the user-product preference space.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Что я получу, оформив подписку на специализацию?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
