Об этом курсе: 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.

Автор: University of Minnesota

Преподаватели: Michael D. Ekstrand, Assistant Professor
Dept. of Computer Science, Boise State University
Преподаватели: Joseph A Konstan, Distinguished McKnight Professor and Distinguished University Teaching Professor
Computer Science and Engineering

Основные сведения	Course 4 of 5 in the Recommender Systems Specialization
Язык	English
Как пройти курс	Чтобы пройти курс, выполните все оцениваемые задания.
Оценки пользователей	4.3 звезды Средняя оценка пользователей: 4.3Посмотрите, что пишут учащиеся

Программа курса

НЕДЕЛЯ 1

Preface

1 видео

НЕДЕЛЯ 2

Matrix Factorization (Part 1)

This is a two-part, two-week module on matrix factorization recommender techniques. It includes an assignment and quiz (both due in the second week), and an honors assignment (also due in the second week). Please pace yourself carefully -- it will be difficult to finish in two weeks unless you start the assignments during the first week.

5 видео, 1 материал для самостоятельного изучения

Видео: Singular Value Decomposition
Видео: Gradient Descent Techniques
Материал для самостоятельного изучения: On Folding-In with Gradient Descent
Видео: Deriving FunkSVD
Видео: Probabilistic Matrix Factorization

НЕДЕЛЯ 3

Matrix Factorization (Part 2)

2 видео, 2 материала для самостоятельного изучения

Материал для самостоятельного изучения: Assignment Instructions
Материал для самостоятельного изучения: Intro - Programming Matrix Factorization
Видео: Programming Matrix Factorization

Оцениваемый: Matrix Factorization Assignment Part l

Оцениваемый: Matrix Factorization Assignment Part ll

Оцениваемый: Matrix Factorization Assignment Part lll

Оцениваемый: Matrix Factorization Quiz

Оцениваемый: Programming SVD

Оцениваемый: SVD Programming Eval Quiz

НЕДЕЛЯ 4

Hybrid Recommenders

This is a three-part, two-week module on hybrid and machine learning recommendaton algorithms and advanced recommender techniques. It includes a quiz (due in the second week), and an honors assignment (also due in the second week). Please pace yourself carefully -- it will be difficult to finish the honors track in two weeks unless you start the assignments during the first week.

6 видео

Видео: Hybrids with Robin Burke
Видео: Hybridization through Matrix Factorization
Видео: Matrix Factorization Hybrids with George Karypis
Видео: Interview with Arindam Banerjee
Видео: Interview with Yehuda Koren

НЕДЕЛЯ 5

Advanced Machine Learning

3 видео

Видео: Learning to Rank: Interview with Xavier Amatriain
Видео: Personalized Ranking (with Daniel Kluver)

НЕДЕЛЯ 6

Advanced Topics

7 видео, 1 материал для самостоятельного изучения

Видео: Context-Aware Recommendation II: Interview with Bamshad Mobasher (Part 1)
Видео: Context-Aware Recommendation II: Interview with Bamshad Mobasher (Part 2)
Видео: Industry Practical Issues: Inteview with Anmol Bhasin
Видео: Recommending Music - Interview with Paul Lamere
Видео: Specialization Wrap Up
Материал для самостоятельного изучения: Programming Hybrids and Machine Learning Description
Видео: Programming Hybrids & Learning to Rank

Оцениваемый: Hybrid and Advanced Techniques Quiz

Оцениваемый: Programming Hybrids and Learning-to-Rank

Оцениваемый: Honors Hybrid Assignment Evaluation Quiz

Часто задаваемые вопросы

Когда я получу доступ к лекциям и заданиям?

Что делать, если мне потребуется больше времени на прохождение курса?

Что я получу, оплатив этот курс?

Могу я пройти этот курс бесплатно?

Какие правила возврата средств?

Можно ли получить финансовую помощь?

Как это работает

Задания курса

Каждый курс — это интерактивный учебник, который содержит видеоматериалы, тесты и проекты.

Помощь сокурсников

Общайтесь с тысячами других учащихся: обсуждайте идеи, материалы курса и помогайте друг другу осваивать новые понятия.

Сертификаты

Получите документы о прохождении курсов и поделитесь своим успехом с друзьями, коллегами и работодателями.

Авторы

University of Minnesota

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.

Стоимость

	Приобрести курс
Получить доступ к материалам курса	Доступен
Получить доступ к оцениваемым материалам курса	Доступен
Получить итоговую оценку	Доступен
Earn a shareable Course Certificate	Доступен