Об этом курсе
4.5
Оценки: 336
Рецензии: 66
Специализация

Курс 1 из 5 в программе

100% онлайн

100% онлайн

Начните сейчас и учитесь по собственному графику.
Гибкие сроки

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень

Промежуточный уровень

Часов на завершение

Прибл. 16 часа на выполнение

Предполагаемая нагрузка: 4 weeks; an average of 3-7 hours per week, plus 2-5 hours per week for honors track. ...
Доступные языки

Английский

Субтитры: Английский

Приобретаемые навыки

Summary StatisticsTerm Frequency Inverse Document Frequency (TF-IDF)Microsoft ExcelRecommender Systems
Специализация

Курс 1 из 5 в программе

100% онлайн

100% онлайн

Начните сейчас и учитесь по собственному графику.
Гибкие сроки

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень

Промежуточный уровень

Часов на завершение

Прибл. 16 часа на выполнение

Предполагаемая нагрузка: 4 weeks; an average of 3-7 hours per week, plus 2-5 hours per week for honors track. ...
Доступные языки

Английский

Субтитры: Английский

Программа курса: что вы изучите

Неделя
1
Часов на завершение
1 ч. на завершение

Preface

This brief module introduces the topic of recommender systems (including placing the technology in historical context) and provides an overview of the structure and coverage of the course and specialization....
Reading
2 видео ((всего 41 мин.)), 1 материал для самостоятельного изучения
Video2 видео
Intro to Course and Specialization13мин
Reading1 материал для самостоятельного изучения
Notes on Course Design and Relationship to Prior Courses10мин
Часов на завершение
3 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....
Reading
9 видео ((всего 147 мин.)), 2 материалов для самостоятельного изучения, 2 тестов
Video9 видео
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
Reading2 материала для самостоятельного изучения
About the Honors Track10мин
Downloads and Resources10мин
Quiz2 практического упражнения
Closing Quiz: Introducing Recommender Systems20мин
Honors Track Pre-Quiz2мин
Неделя
2
Часов на завершение
7 ч. на завершение

Non-Personalized and Stereotype-Based Recommenders

In this module, you will learn several techniques for non- and lightly-personalized recommendations, including how to use meaningful summary statistics, how to compute product association recommendations, and how to explore using demographics as a means for light personalization. There is both an assignment (trying out these techniques in a spreadsheet) and a quiz to test your comprehension. ...
Reading
7 видео ((всего 111 мин.)), 5 материалов для самостоятельного изучения, 9 тестов
Video7 видео
Summary Statistics I16мин
Summary Statistics II22мин
Demographics and Related Approaches13мин
Product Association Recommenders19мин
Assignment #1 Intro Video14мин
Assignment Intro: Programming Non-Personalized Recommenders17мин
Reading5 материала 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
Quiz8 практического упражнения
Assignment #1: Response #1: Top Movies by Mean Rating10мин
Assignment #1: Response #2: Top Movies by Count10мин
Assignment #1: Response #3: Top Movies by Percent Liking10мин
Assignment #1: Response #4: Association with Toy Story10мин
Assignment #1: Response #5: Correlation with Toy Story10мин
Assignment #1: Response #6: Male-Female Differences in Average Rating10мин
Assignment #1: Response #7: Male-Female differences in Liking8мин
Non-Personalized Recommenders20мин
Неделя
3
Часов на завершение
3 ч. на завершение

Content-Based Filtering -- Part I

The next topic in this course is content-based filtering, a technique for personalization based on building a profile of personal interests. Divided over two weeks, you will learn and practice the basic techniques for content-based filtering and then explore a variety of advanced interfaces and content-based computational techniques being used in recommender systems. ...
Reading
8 видео ((всего 156 мин.))
Video8 видео
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
4
Часов на завершение
6 ч. на завершение

Content-Based Filtering -- Part II

The assessments for content-based filtering include an assignment where you compute three types of profile and prediction using a spreadsheet and a quiz on the topics covered. The assignment is in three parts -- a written assignment, a video intro, and a "quiz" where you provide answers from your work to be automatically graded....
Reading
2 видео ((всего 26 мин.)), 3 материалов для самостоятельного изучения, 3 тестов
Video2 видео
Honors: Intro to programming assignment10мин
Reading3 материала для самостоятельного изучения
Content-Based Recommenders Spreadsheet Assignment (aka Assignment #2)20мин
Tools for Content-Based Filtering10мин
CBF Programming Intro10мин
Quiz2 практического упражнения
Assignment #2 Answer Form20мин
Content-Based Filtering20мин
Часов на завершение
1 ч. на завершение

Course Wrap-up

We close this course with a set of mathematical notation that will be helpful as we move forward into a wider range of recommender systems (in later courses in this specialization). ...
Reading
2 видео ((всего 45 мин.)), 1 материал для самостоятельного изучения
Video2 видео
Psychology of Preference & Rating -- Interview with Martijn Willemsen31мин
Reading1 материал для самостоятельного изучения
Related Readings10мин
4.5
Рецензии: 66Chevron Right
Карьерные преимущества

50%

получил значимые преимущества в карьере благодаря этому курсу

Лучшие рецензии

автор: DPDec 8th 2017

Nice introduction to recommender systems for those who have never heard about it before. No complex mathematical formula (which can also be seen by some as a downside).

автор: IPSep 19th 2016

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.

Преподавателя

Avatar

Joseph A Konstan

Distinguished McKnight Professor and Distinguished University Teaching Professor
Computer Science and Engineering
Avatar

Michael D. Ekstrand

Assistant Professor
Dept. of Computer Science, Boise State University

О 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....

О специализации ''Recommender Systems'

This Specialization covers all the fundamental techniques in recommender systems, from non-personalized and project-association recommenders through content-based and collaborative techniques. Designed to serve both the data mining expert and the data literate marketing professional, the courses offer interactive, spreadsheet-based exercises to master different algorithms along with an honors track where learners can go into greater depth using the LensKit open source toolkit. A Capstone Project brings together the course material with a realistic recommender design and analysis project....
Recommender Systems

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • 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.

  • 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.