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'
13 274 уже зарегистрированы
от партнера
Специализация Рекомендательные системыМиннесотский университетОб этом курсе
Недавно просмотрено: 4 142
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
- 5 stars53,87 %
- 4 stars28,95 %
- 3 stars11,78 %
- 2 stars2,35 %
- 1 star3,03 %
Лучшие отзывы о курсе NEAREST NEIGHBOR COLLABORATIVE FILTERING
от партнера LL19 июля 2017 г.
a great class, I learned some insight in these algorithms
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!
от партнера AD2 авг. 2017 г.
Loved it...many thanks Prof. Joe for bringing this content to Coursera
от партнера SK16 янв. 2018 г.
Provides a good overview of item based and user based collaborative filtering approaches.
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.
