Music Recommender System Using Pyspark

4.4
звезд
Оценки: 7
от партнера
Coursera Project Network
В этом Проект с консультациями вы:

Learn how to setup the google colab for distributed data processing

Learn how aggregate a pyspark dataframe to have the data needed for our machine learning model

Learn how to use StringIndexer to convert a String (categorical) column into Unique Integral column

Learn how to create ALS model for Recommender System

Clock1 hour
IntermediateУчащийся среднего уровня
CloudЗагрузка не требуется
VideoВидео на разделенном экране
Comment DotsАнглийский
LaptopТолько для ПК

Nowadays, recommender systems are everywhere. for example, Amazon uses recommender systems to suggest some products that you might be interested in based on the products you've bought earlier. Or Spotify will suggest new tracks based on the songs you use to listen to every day. Most of these recommender systems use some algorithms which are based on Matrix factorization such as NMF( NON NEGATIVE MATRIX FACTORIZATION) or ALS (Alternating Least Square). So in this Project, we are going to use ALS Algorithm to create a Music Recommender system to suggest new tracks to different users based upon the songs they've been listening to. As a very important prerequisite of this course, I suggest you study a little bit about ALS Algorithm because in this course we will not cover any theoretical concepts. Note: This project works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Навыки, которые вы получите

Programming ModelAlgorithmsAlgorithm TrainingPySpark

Будете учиться пошагово

На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:

  1. Prepare the Google Colab for distributed data processing

  2. Mounting our Google Drive into Google Colab environment

  3. Importing csv file of our Dataset (4 Gb) into pySpark dataframe

  4. Dropping some useless columns and nan Values in our dataframe

  5. Performing an Aggregation to prepare the data

  6. Learn how to use StringIndexer to convert a String (categorical) column into Unique Integral column

  7. Creating ALS model for Recommender System

Как устроены проекты с консультациями

Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.

На разделенном экране видео преподаватель предоставляет пошаговые

Часто задаваемые вопросы

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.