Об этом курсе

Недавно просмотрено: 22,972

Карьерные результаты учащихся

60%

начал новую карьеру, пройдя эти курсы

40%

получил значимые преимущества в карьере благодаря этому курсу

12%

стал больше зарабатывать или получил повышение
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
Прибл. 23 часа на выполнение
Английский
Субтитры: Французский, Португальский (бразильский), Русский, Английский, Испанский

Приобретаемые навыки

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

Карьерные результаты учащихся

60%

начал новую карьеру, пройдя эти курсы

40%

получил значимые преимущества в карьере благодаря этому курсу

12%

стал больше зарабатывать или получил повышение
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
Прибл. 23 часа на выполнение
Английский
Субтитры: Французский, Португальский (бразильский), Русский, Английский, Испанский

от партнера

Placeholder

Миннесотский университет

Программа курса: что вы изучите

Оценка контентаThumbs Up90%(1,911 оценки)Info
Неделя
1

Неделя 1

1 ч. на завершение

Preface

1 ч. на завершение
2 видео ((всего 41 мин.)), 1 материал для самостоятельного изучения
2 видео
Intro to Course and Specialization13мин
1 материал для самостоятельного изучения
Notes on Course Design and Relationship to Prior Courses10мин
4 ч. на завершение

Introducing Recommender Systems

4 ч. на завершение
9 видео ((всего 147 мин.)), 2 материалов для самостоятельного изучения, 2 тестов
9 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
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
2

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
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
3

Неделя 3

3 ч. на завершение

Content-Based Filtering -- Part I

3 ч. на завершение
8 видео ((всего 156 мин.))
8 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

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
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
2 видео
Psychology of Preference & Rating -- Interview with Martijn Willemsen31мин
1 материал для самостоятельного изучения
Related Readings10мин

Рецензии

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

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....
Рекомендательные системы

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.