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.
Этот курс входит в специализацию ''Специализация Рекомендательные системы'
от партнера
Специализация Рекомендательные системыМиннесотский университетОб этом курсе
Недавно просмотрено: 8,657
Карьерные результаты учащихся
50%
получил значимые преимущества в карьере благодаря этому курсу
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
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Прибл. 16 часов на выполнение
Английский
Субтитры: Английский
Карьерные результаты учащихся
50%
получил значимые преимущества в карьере благодаря этому курсу
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
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Прибл. 16 часов на выполнение
Английский
Субтитры: Английский
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
4 минуты на завершение
Preface
4 минуты на завершение
1 видео ((всего 4 мин.))
1 видео
1 ч. на завершение
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.
1 ч. на завершение
5 видео ((всего 70 мин.)), 1 материал для самостоятельного изучения
5 видео
Singular Value Decomposition17мин
Gradient Descent Techniques17мин
Deriving FunkSVD11мин
Probabilistic Matrix Factorization10мин
1 материал для самостоятельного изучения
On Folding-In with Gradient Descent10мин
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 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
2 ч. на завершение
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.
2 ч. на завершение
6 видео ((всего 96 мин.))
6 видео
Hybrids with Robin Burke16мин
Hybridization through Matrix Factorization15мин
Matrix Factorization Hybrids with George Karypis17мин
Interview with Arindam Banerjee15мин
Interview with Yehuda Koren22мин
Рецензии
Лучшие отзывы о курсе MATRIX FACTORIZATION AND ADVANCED TECHNIQUES
от партнера AG9 июня 2018 г.
Programming Assignments are not clear enough and the quiz for the last one seems to be a bit off.
от партнера LL18 июля 2017 г.
great courses! They invite a lot of interviews to let me understand the sea of recommend system!
от партнера AA13 авг. 2017 г.
Interview with Francesco Ricci is very knowledgeable about context aware Recommender System.
от партнера SK4 дек. 2017 г.
Awesome course especially for those doing Ph.D in recommender systems
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?
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.
Is financial aid available?
Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке "Финансовая помощь" слева под кнопкой "Зарегистрироваться". Заполните форму заявления. Если его примут, вы получите уведомление. Обратите внимание: этот шаг необходимо выполнить для каждого курса специализации, в том числе для дипломного проекта. Подробнее
Остались вопросы? Посетите Центр поддержки учащихся.
