Этот курс входит в специализацию ''Специализация Рекомендательные системы'

4.5
звезд
Оценки: 625

Joseph A Konstan и еще 1 преподаватель

35 015 уже зарегистрированы

от партнера

Специализация Рекомендательные системыМиннесотский университет

Об этом курсе

Недавно просмотрено: 9 740

This course, which is designed to serve as the first course in the Recommender Systems specialization, introduces the concept of recommender systems, reviews several examples in detail, and leads you through non-personalized recommendation using summary statistics and product associations, basic stereotype-based or demographic recommendations, and content-based filtering recommendations. 
After completing this course, you will be able to compute a variety of recommendations from datasets using basic spreadsheet tools, and if you complete the honors track you will also have programmed these recommendations using the open source LensKit recommender toolkit.  

In addition to detailed lectures and interactive exercises, this course features interviews with several leaders in research and practice on advanced topics and current directions in recommender systems.

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 1 из 5 в программе

Специализация Рекомендательные системы

Средний уровень

Прибл. 23 часа на выполнение

Английский

Будет ли вашей компании выгодно обучить сотрудников востребованным навыкам?

Попробуйте Coursera для бизнеса

Приобретаемые навыки

Summary Statistics
Term Frequency Inverse Document Frequency (TF-IDF)
Microsoft Excel
Recommender Systems

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 1 из 5 в программе

Специализация Рекомендательные системы

Средний уровень

Прибл. 23 часа на выполнение

Английский

Будет ли вашей компании выгодно обучить сотрудников востребованным навыкам?

Попробуйте Coursera для бизнеса

Преподаватели

Оценка преподавателя

4,62/5 (оценок: 56)

Joseph A Konstan

Distinguished McKnight Professor and Distinguished University Teaching Professor

Computer Science and Engineering

190 196 учащихся

11 курсов

Michael D. Ekstrand

Assistant Professor

Dept. of Computer Science, Boise State University

104 801 учащийся

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

Оценка контента89%(2,278 оценки)

Неделя

Неделя 1

1 ч. на завершение

Preface

1 ч. на завершение

2 видео ((всего 41 мин.)), 1 материал для самостоятельного изучения

4 ч. на завершение

Introducing Recommender Systems

This module introduces recommender systems in more depth. It includes a detailed taxonomy of the types of recommender systems, and also includes tours of two systems heavily dependent on recommender technology: MovieLens and Amazon.com. There is an introductory assessment in the final lesson to ensure that you understand the core concepts behind recommendations before we start learning how to compute them.

4 ч. на завершение

9 видео ((всего 147 мин.)), 2 материалов для самостоятельного изучения, 2 тестов

9 видео

Movielens Tour6мин

Preferences and Ratings17мин

Predictions and Recommendations16мин

Taxonomy of Recommenders I27мин

Taxonomy of Recommenders II21мин

Tour of Amazon.com21мин

Recommender Systems: Past, Present and Future16мин

Introducing the Honors Track7мин

Honors: Setting up the development environment10мин

2 материала для самостоятельного изучения

About the Honors Track10мин

Downloads and Resources10мин

2 практических упражнения

Closing Quiz: Introducing Recommender Systems20мин

Honors Track Pre-Quiz30мин

Неделя

Неделя 2

10 ч. на завершение

Non-Personalized and Stereotype-Based Recommenders

10 ч. на завершение

7 видео ((всего 111 мин.)), 5 материалов для самостоятельного изучения, 9 тестов

7 видео

Non-Personalized and Stereotype-Based Recommenders7мин

Summary Statistics I16мин

Summary Statistics II22мин

Demographics and Related Approaches13мин

Product Association Recommenders19мин

Assignment #1 Intro Video14мин

Assignment Intro: Programming Non-Personalized Recommenders17мин

5 материалов для самостоятельного изучения

External Readings on Ranking and Scoring10мин

Assignment 1 Instructions: Non-Personalized and Stereotype-Based Recommenders10мин

Assignment Intro: Programming Non-Personalized Recommenders10мин

LensKit Resources10мин

Rating Data Information10мин

8 практических упражнений

Assignment #1: Response #1: Top Movies by Mean Rating30мин

Assignment #1: Response #2: Top Movies by Count30мин

Assignment #1: Response #3: Top Movies by Percent Liking30мин

Assignment #1: Response #4: Association with Toy Story30мин

Assignment #1: Response #5: Correlation with Toy Story30мин

Assignment #1: Response #6: Male-Female Differences in Average Rating30мин

Assignment #1: Response #7: Male-Female differences in Liking30мин

Non-Personalized Recommenders20мин

Неделя

Неделя 3

3 ч. на завершение

Content-Based Filtering -- Part I

3 ч. на завершение

8 видео ((всего 156 мин.))

8 видео

Introduction to Content-Based Recommenders23мин

TFIDF and Content Filtering24мин

Content-Based Filtering: Deeper Dive26мин

Entree Style Recommenders -- Robin Burke Interview13мин

Case-Based Reasoning -- Interview with Barry Smyth13мин

Dialog-Based Recommenders -- Interview with Pearl Pu21мин

Search, Recommendation, and Target Audiences -- Interview with Sole Pera11мин

Beyond TFIDF -- Interview with Pasquale Lops21мин

Неделя

Неделя 4

6 ч. на завершение

Content-Based Filtering -- Part II

6 ч. на завершение

2 видео ((всего 26 мин.)), 3 материалов для самостоятельного изучения, 3 тестов

2 видео

Assignment #2 Introduction: Content-Based Filtering in a Spreadsheet15мин

Honors: Intro to programming assignment10мин

3 материала для самостоятельного изучения

Content-Based Recommenders Spreadsheet Assignment (aka Assignment #2)1ч 20мин

Tools for Content-Based Filtering10мин

CBF Programming Intro10мин

2 практических упражнения

Assignment #2 Answer Form20мин

Content-Based Filtering20мин

1 ч. на завершение

Course Wrap-up

1 ч. на завершение

2 видео ((всего 45 мин.)), 1 материал для самостоятельного изучения

Рецензии

4.5

Рецензии: 134

5 stars
60,76 %
4 stars
29,50 %
3 stars
6,22 %
2 stars
1,75 %
1 star
1,75 %

Лучшие отзывы о курсе INTRODUCTION TO RECOMMENDER SYSTEMS: NON-PERSONALIZED AND CONTENT-BASED

от партнера IP18 сент. 2016 г.

it's a fantastic course that gives you a good idea of what the objectives of recommender systems are and some intuition on the way how it can be accomplished.

от партнера LL18 сент. 2022 г.

Please update the specialization, it's 2022, and the course slides are from 2016.

от партнера NA6 апр. 2020 г.

The course and its content was quite interesting and easy, so I will be taking the next course in this specialization of Recommender System Specialization

от партнера FC20 мар. 2017 г.

Excelente curso, presenta una vista amplia de técnicas para la implementación de sistemas de recomendación, lo recomiendo totalmente.

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.
How does this course relate to the prior versions of "Introduction to Recommender Systems"?
This specialization is a substantial extension and update of our original introductory course. It involves about 60% new and extended lectures and mostly new assignments and assessments. This course specifically has added material on stereotyped and demographic recommenders and on advanced techniques in content-based recommendation.

Остались вопросы? Посетите Центр поддержки учащихся.

Обучайте сотрудников и добивайтесь отличных результатов в бизнесе

Откройте для себя Coursera для бизнеса

Introduction to Recommender Systems: Non-Personalized and Content-Based

Об этом курсе

Приобретаемые навыки