Этот курс входит в специализацию ''Специализация Рекомендательные системы'

4.3
звезд
Оценки: 184

Michael D. Ekstrand и еще 1 преподаватель

14 568 уже зарегистрированы

от партнера

Специализация Рекомендательные системыМиннесотский университет

Об этом курсе

Недавно просмотрено: 3 149

In this course you will learn a variety of matrix factorization and hybrid machine learning techniques for recommender systems.  Starting with basic matrix factorization, you will understand both the intuition and the practical details of building recommender systems based on reducing the dimensionality of the user-product preference space.  Then you will learn about techniques that combine the strengths of different algorithms into powerful hybrid recommenders.

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 4 из 5 в программе

Специализация Рекомендательные системы

Прибл. 16 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 4 из 5 в программе

Специализация Рекомендательные системы

Прибл. 16 часов на выполнение

Английский

Будет ли вашей компании выгодно обучить сотрудников востребованным навыкам?

Попробуйте Coursera для бизнеса

Преподаватели

Оценка преподавателя

4,87/5 (оценок: 8)

Michael D. Ekstrand

Assistant Professor

Dept. of Computer Science, Boise State University

104 776 учащихся

6 курсов

Joseph A Konstan

Distinguished McKnight Professor and Distinguished University Teaching Professor

Computer Science and Engineering

190 072 учащихся

11 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

4 минуты на завершение

Preface

4 минуты на завершение

1 видео ((всего 4 мин.))

Неделя

Неделя 2

1 ч. на завершение

Matrix Factorization (Part 1)

1 ч. на завершение

5 видео ((всего 70 мин.)), 1 материал для самостоятельного изучения

Неделя

Неделя 3

6 ч. на завершение

Matrix Factorization (Part 2)

6 ч. на завершение

2 видео ((всего 15 мин.)), 2 материалов для самостоятельного изучения, 6 тестов

2 видео

Assignment Introduction7мин

Programming Matrix Factorization6мин

2 материала для самостоятельного изучения

Assignment Instructions10мин

Intro - Programming Matrix Factorization10мин

5 практических упражнений

Matrix Factorization Assignment Part l30мин

Matrix Factorization Assignment Part ll30мин

Matrix Factorization Assignment Part lll30мин

Matrix Factorization Quiz30мин

SVD Programming Eval Quiz30мин

Неделя

Неделя 4

2 ч. на завершение

Hybrid Recommenders

2 ч. на завершение

6 видео ((всего 96 мин.))

Рецензии

4.3

Рецензии: 28

5 stars
53,26 %
4 stars
33,15 %
3 stars
8,15 %
2 stars
4,34 %
1 star
1,08 %

Лучшие отзывы о курсе MATRIX FACTORIZATION AND ADVANCED TECHNIQUES

от партнера SK4 дек. 2017 г.

Awesome course especially for those doing Ph.D in recommender systems

от партнера AA13 авг. 2017 г.

Interview with Francesco Ricci

is very knowledgeable about context aware Recommender System.

от партнера DD9 янв. 2021 г.

Very good. Per closing comments, it probably needs an update (since 2016) as this is active, progressive area.

от партнера NL23 апр. 2020 г.

The content is really good, but overall the interviews with experts in the field are the best of this course.

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

Matrix Factorization and Advanced Techniques

Об этом курсе