Ce cours fait partie de la Spécialisation Systèmes de recommandation

4.3
étoiles
301 évaluations

Joseph A Konstan +1 enseignant de plus

13 688 déjà inscrits

Offert par

Spécialisation Systèmes de recommandationUniversité du Minnesota

À propos de ce cours

3 819 consultations récentes

In this course, you will learn the fundamental techniques for making personalized recommendations through nearest-neighbor techniques.  First you will learn user-user collaborative filtering, an algorithm that identifies other people with similar tastes to a target user and combines their ratings to make recommendations for that user.  You will explore and implement variations of the user-user algorithm, and will explore the benefits and drawbacks of the general approach.  Then you will learn the widely-practiced item-item collaborative filtering algorithm, which identifies global product associations from user ratings, but uses these product associations to provide personalized recommendations based on a user's own product ratings.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 2 sur 5 dans le

Spécialisation Systèmes de recommandation

Approx. 15 heures pour terminer

Anglais

Votre entreprise pourrait-elle bénéficier de la formation des employés à des compétences recherchées ?

Essayez Coursera pour les affaires

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 2 sur 5 dans le

Spécialisation Systèmes de recommandation

Approx. 15 heures pour terminer

Anglais

Votre entreprise pourrait-elle bénéficier de la formation des employés à des compétences recherchées ?

Essayez Coursera pour les affaires

Enseignants

Évaluation de l'enseignant

4,5/5 (13 évaluations)

Joseph A Konstan

Distinguished McKnight Professor and Distinguished University Teaching Professor

Computer Science and Engineering

187 727 étudiants

11 cours

Michael D. Ekstrand

Assistant Professor

Dept. of Computer Science, Boise State University

104 305 étudiants

6 cours

Offert par

Université du 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.

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

Programme de cours : ce que vous apprendrez dans ce cours

Semaine

Semaine 1

13 minutes pour terminer

Preface

Note that this course is structured into two-week chunks. The first chunk focuses on User-User Collaborative Filtering; the second chunk on Item-Item Collaborative Filtering. Each chunk has most of the lectures in the first week, and assignments/quizzes and advanced topics in the second week. We encourage learners to treat each two-week chunk as one unit, starting the assignments as soon as they feel they have learned enough to get going.

13 minutes pour terminer

1 vidéo (Total 3 min), 1 lecture

1 heure pour terminer

User-User Collaborative Filtering Recommenders Part 1

1 heure pour terminer

5 vidéos (Total 85 min)

Semaine

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

Semaine

Semaine 3

1 heure pour terminer

Item-Item Collaborative Filtering Recommenders Part 1

1 heure pour terminer

6 vidéos (Total 70 min)

Semaine

Semaine 4

6 heures pour terminer

Item-Item Collaborative Filtering Recommenders Part 2

6 heures pour terminer

2 vidéos (Total 10 min), 2 lectures, 5 quiz

2 vidéos

Item-Based CF Assignment Intro Video5 min

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 l30 min

Item Based Assignment Part II30 min

Item Based Assignment Part III30 min

Item Based Assignment Part IV30 min

2 heures pour terminer

Advanced Collaborative Filtering Topics

2 heures pour terminer

5 vidéos (Total 73 min)

Avis

4.3

68 avis

5 stars
53,48 %
4 stars
29,23 %
3 stars
11,62 %
2 stars
2,65 %
1 star
2,99 %

Meilleurs avis pour NEAREST NEIGHBOR COLLABORATIVE FILTERING

par DR14 juin 2017

Very satisfied to do this, the videos are too long, very good quality and a lot of practical information.

I love it!

par HE12 déc. 2017

everything best. But technical support in Forum and when a student needs help when he is learning in Vienna alone is the worst

thanks very much !

par DG1 févr. 2020

I found this course very informative and clears lot of concept in Item based and used based collaborative filtering. Spreadsheet assignment helped me to clearly understand the algorithms.

par LL19 juil. 2017

a great class, I learned some insight in these algorithms

Voir tous les avis

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.

Foire Aux Questions

Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
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.
Une aide financière est-elle possible ?
Oui. Dans certains programmes d’apprentissage, vous pouvez demander une aide financière ou une bourse d’études si vous ne pouvez pas payer les frais d’inscription. Si une aide financière ou une bourse d’études est disponible pour le programme d’apprentissage choisi, vous trouverez un lien pour faire une demande sur la page de description.

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

Développez les compétences de vos employés, obtenez des résultats commerciaux

Découvrez Coursera pour les affaires

Nearest Neighbor Collaborative Filtering

À propos de ce cours