Этот курс входит в специализацию ''Специализация Рекомендательные системы'

4.3
звезд
Оценки: 301

Joseph A Konstan и еще 1 преподаватель

13 706 уже зарегистрированы

от партнера

Специализация Рекомендательные системыМиннесотский университет

Об этом курсе

Недавно просмотрено: 4 236

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.

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

Специализация Рекомендательные системы

Прибл. 15 часов на выполнение

Английский

Будет ли вашей компании выгодно обучить сотрудников востребованным навыкам?

Попробуйте Coursera для бизнеса

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

Специализация Рекомендательные системы

Прибл. 15 часов на выполнение

Английский

Будет ли вашей компании выгодно обучить сотрудников востребованным навыкам?

Попробуйте Coursera для бизнеса

Преподаватели

Оценка преподавателя

4,5/5 (оценок: 13)

Joseph A Konstan

Distinguished McKnight Professor and Distinguished University Teaching Professor

Computer Science and Engineering

188 100 учащихся

11 курсов

Michael D. Ekstrand

Assistant Professor

Dept. of Computer Science, Boise State University

104 379 учащихся

6 курсов

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.

Узнайте, как сотрудники ведущих компаний осваивают востребованные навыки

Подробнее о Coursera для бизнеса

Программа курса: что вы изучите

Неделя

Неделя 1

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.))

Неделя

Неделя 2

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

2 видео

Assignment Introduction8мин

Programming Assignment - Programming User-User Collaborative Filtering4мин

2 материала для самостоятельного изучения

Assignment Instructions: User-User CF10мин

Introducing User-User CF Programming Assignment10мин

2 практических упражнения

User-User CF Answer Sheet30мин

User-User Collaborative Filtering Quiz30мин

Неделя

Неделя 3

1 ч. на завершение

Item-Item Collaborative Filtering Recommenders Part 1

1 ч. на завершение

6 видео ((всего 70 мин.))

Неделя

Неделя 4

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 видео

Item-Based CF Assignment Intro Video5мин

Programming Assignment - Programming Item-Item Collaborative Filtering4мин

2 материала для самостоятельного изучения

Item-Based CF Assignment Instructions10мин

Introducing Item-Item CF Programming Assignment10мин

4 практических упражнения

Item Based Assignment Part l30мин

Item Based Assignment Part II30мин

Item Based Assignment Part III30мин

Item Based Assignment Part IV30мин

2 ч. на завершение

Advanced Collaborative Filtering Topics

2 ч. на завершение

5 видео ((всего 73 мин.))

Рецензии

4.3

Рецензии: 68

5 stars
53,48 %
4 stars
29,23 %
3 stars
11,62 %
2 stars
2,65 %
1 star
2,99 %

Лучшие отзывы о курсе NEAREST NEIGHBOR COLLABORATIVE FILTERING

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 CJ16 июля 2017 г.

Very good course, there is a glaring error in Week 4s assignment. But if you check the forums it can be easily solved

от партнера DR14 июня 2017 г.

Very satisfied to do this, the videos are too long, very good quality and a lot of practical information.

I love it!

Посмотреть все отзывы

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.

This Specialization is designed to serve both the data mining expert who would want to implement techniques like collaborative filtering in their job, as well as the data literate marketing professional, who would want to gain more familiarity with these topics. The courses offer interactive, spreadsheet-based exercises to master different algorithms, along with an honors track where you can go into greater depth using the LensKit open source toolkit. By the end of this Specialization, you’ll be able to implement as well as evaluate recommender systems. The Capstone Project brings together the course material with a realistic recommender design and analysis project.

Часто задаваемые вопросы

Когда я получу доступ к лекциям и заданиям?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
Что я получу, оформив подписку на специализацию?
Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Можно ли получить финансовую помощь?
Да. В некоторых программах обучения вы можете подать заявку на получение финансовой помощи или стипендии, если не можете оплатить регистрационный взнос. Если для выбранной вами программы предлагается такая возможность, вы увидите ссылку для подачи заявки на странице описания.

Остались вопросы? Посетите Центр поддержки учащихся.

Обучайте сотрудников и добивайтесь отличных результатов в бизнесе

Откройте для себя Coursera для бизнеса

Nearest Neighbor Collaborative Filtering

Об этом курсе