À propos de ce cours

27,233 consultations récentes

Résultats de carrière des étudiants

60%

ont commencé une nouvelle carrière après avoir terminé ce cours

40%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours

12%

a obtenu une augmentation de salaire ou une promotion
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 20 heures pour terminer
Anglais
Sous-titres : Anglais

Compétences que vous acquerrez

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

Résultats de carrière des étudiants

60%

ont commencé une nouvelle carrière après avoir terminé ce cours

40%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours

12%

a obtenu une augmentation de salaire ou une promotion
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 20 heures pour terminer
Anglais
Sous-titres : Anglais

Offert par

Logo Université du Minnesota

Université du Minnesota

Programme du cours : ce que vous apprendrez dans ce cours

Évaluation du contenuThumbs Up90%(1,876 notes)Info
Semaine
1

Semaine 1

1 heure pour terminer

Preface

1 heure pour terminer
2 vidéos (Total 41 min), 1 lecture
2 vidéos
Intro to Course and Specialization13 min
1 lecture
Notes on Course Design and Relationship to Prior Courses10 min
3 heures pour terminer

Introducing Recommender Systems

3 heures pour terminer
9 vidéos (Total 147 min), 2 lectures, 2 quiz
9 vidéos
Preferences and Ratings17 min
Predictions and Recommendations16 min
Taxonomy of Recommenders I27 min
Taxonomy of Recommenders II21 min
Tour of Amazon.com21 min
Recommender Systems: Past, Present and Future16 min
Introducing the Honors Track7 min
Honors: Setting up the development environment10 min
2 lectures
About the Honors Track10 min
Downloads and Resources10 min
2 exercices pour s'entraîner
Closing Quiz: Introducing Recommender Systems20 min
Honors Track Pre-Quiz2 min
Semaine
2

Semaine 2

7 heures pour terminer

Non-Personalized and Stereotype-Based Recommenders

7 heures pour terminer
7 vidéos (Total 111 min), 5 lectures, 9 quiz
7 vidéos
Summary Statistics I16 min
Summary Statistics II22 min
Demographics and Related Approaches13 min
Product Association Recommenders19 min
Assignment #1 Intro Video14 min
Assignment Intro: Programming Non-Personalized Recommenders17 min
5 lectures
External Readings on Ranking and Scoring10 min
Assignment 1 Instructions: Non-Personalized and Stereotype-Based Recommenders10 min
Assignment Intro: Programming Non-Personalized Recommenders10 min
LensKit Resources10 min
Rating Data Information10 min
8 exercices pour s'entraîner
Assignment #1: Response #1: Top Movies by Mean Rating10 min
Assignment #1: Response #2: Top Movies by Count10 min
Assignment #1: Response #3: Top Movies by Percent Liking10 min
Assignment #1: Response #4: Association with Toy Story10 min
Assignment #1: Response #5: Correlation with Toy Story10 min
Assignment #1: Response #6: Male-Female Differences in Average Rating10 min
Assignment #1: Response #7: Male-Female differences in Liking8 min
Non-Personalized Recommenders20 min
Semaine
3

Semaine 3

3 heures pour terminer

Content-Based Filtering -- Part I

3 heures pour terminer
8 vidéos (Total 156 min)
8 vidéos
TFIDF and Content Filtering24 min
Content-Based Filtering: Deeper Dive26 min
Entree Style Recommenders -- Robin Burke Interview13 min
Case-Based Reasoning -- Interview with Barry Smyth13 min
Dialog-Based Recommenders -- Interview with Pearl Pu21 min
Search, Recommendation, and Target Audiences -- Interview with Sole Pera11 min
Beyond TFIDF -- Interview with Pasquale Lops21 min
Semaine
4

Semaine 4

6 heures pour terminer

Content-Based Filtering -- Part II

6 heures pour terminer
2 vidéos (Total 26 min), 3 lectures, 3 quiz
2 vidéos
Honors: Intro to programming assignment10 min
3 lectures
Content-Based Recommenders Spreadsheet Assignment (aka Assignment #2)1h 20min
Tools for Content-Based Filtering10 min
CBF Programming Intro10 min
2 exercices pour s'entraîner
Assignment #2 Answer Form20 min
Content-Based Filtering20 min
1 heure pour terminer

Course Wrap-up

1 heure pour terminer
2 vidéos (Total 45 min), 1 lecture
2 vidéos
Psychology of Preference & Rating -- Interview with Martijn Willemsen31 min
1 lecture
Related Readings10 min

Avis

Meilleurs avis pour INTRODUCTION TO RECOMMENDER SYSTEMS: NON-PERSONALIZED AND CONTENT-BASED

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....
Systèmes de recommandation

Foire Aux Questions

  • 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.
  • 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.

  • Si vous vous abonnez, vous bénéficiez d'une période d'essai gratuite de 7 jours, durant laquelle vous pouvez annuler votre abonnement sans pénalité. Ensuite, nous n'accordons plus de remboursements, mais vous pouvez annuler votre abonnement à tout instant. Consultez notre politique de remboursement complète.

  • Oui, Coursera offre une Aide Financière aux étudiants qui n'ont pas les moyens d'acquitter les frais. Demandez-la en cliquant sur le lien Aide Financière sous le bouton S'inscrire situé à gauche. Vous devrez remplir un formulaire de demande et vous serez averti(e) si elle est acceptée. Vous devrez répéter cette procédure pour chaque cours de la Spécialisation, y compris pour le Projet Final. En savoir plus.

  • 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.

  • Ce Cours n'est pas associé à des crédits universitaires, mais certaines universités peuvent décider d'accepter des Certificats de Cours pour des crédits. Vérifiez-le auprès de votre établissement pour en savoir plus. Les Diplômes en ligne et les Certificats Mastertrack™ sur Coursera apportent la possibilité d'obtenir des crédits universitaires.

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