À propos de ce cours

8,022 consultations récentes

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Approx. 12 heures pour terminer

Recommandé : 10 hours/week...

Anglais

Sous-titres : Anglais

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Approx. 12 heures pour terminer

Recommandé : 10 hours/week...

Anglais

Sous-titres : Anglais

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1

Semaine 1

13 minutes pour terminer

Preface

13 minutes pour terminer
1 vidéo (Total 3 min), 1 lecture
1 vidéo
1 lecture
Course Structure Outline10 min
1 heure pour terminer

User-User Collaborative Filtering Recommenders Part 1

1 heure pour terminer
5 vidéos (Total 85 min)
5 vidéos
Configuring User-User Collaborative Filtering9 min
Influence Limiting and Attack Resistance; Interview with Paul Resnick21 min
Trust-Based Recommendation; Interview with Jen Golbeck15 min
Impact of Bad Ratings; Interview with Dan Cosley13 min
Semaine
2

Semaine 2

5 heures pour terminer

User-User Collaborative Filtering Recommenders Part 2

5 heures pour terminer
2 vidéos (Total 13 min), 2 lectures, 3 quiz
2 vidéos
Programming Assignment - Programming User-User Collaborative Filtering4 min
2 lectures
Assignment Instructions: User-User CF10 min
Introducing User-User CF Programming Assignment10 min
2 exercices pour s'entraîner
User-User CF Answer Sheet48 min
User-User Collaborative Filtering Quiz20 min
Semaine
3

Semaine 3

1 heure pour terminer

Item-Item Collaborative Filtering Recommenders Part 1

1 heure pour terminer
6 vidéos (Total 70 min)
6 vidéos
Item-Item Algorithm16 min
Item-Item on Unary Data6 min
Item-Item Hybrids and Extensions4 min
Strengths and Weaknesses of Item-Item Collaborative Filtering9 min
Interview with Brad Miller16 min
Semaine
4

Semaine 4

4 heures pour terminer

Item-Item Collaborative Filtering Recommenders Part 2

4 heures pour terminer
2 vidéos (Total 10 min), 2 lectures, 5 quiz
2 vidéos
Programming Assignment - Programming Item-Item Collaborative Filtering4 min
2 lectures
Item-Based CF Assignment Instructions10 min
Introducing Item-Item CF Programming Assignment10 min
4 exercices pour s'entraîner
Item Based Assignment Part l10 min
Item Based Assignment Part II10 min
Item Based Assignment Part III10 min
Item Based Assignment Part IV10 min
2 heures pour terminer

Advanced Collaborative Filtering Topics

2 heures pour terminer
5 vidéos (Total 73 min)
5 vidéos
Recommending for Groups: Interview with Anthony Jameson14 min
Threat Models11 min
Explanations16 min
Explanations, Part II: Interview with Nava Tintarev17 min
1 exercice pour s'entraîner
Item-Based and Advanced Collaborative Filtering Topics Quiz20 min

Avis

Meilleurs avis pour NEAREST NEIGHBOR COLLABORATIVE FILTERING
Voir tous les avis

Offert par

Logo Université du Minnesota

Université du Minnesota

À propos du Spécialisation Systèmes de recommandation

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....
Systèmes de recommandation

Foire Aux Questions

  • Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.

  • Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.