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.
Este curso faz parte do Programa de cursos integrados Sistemas de recomendação
oferecido por
Programa de cursos integrados Sistemas de recomendaçãoUniversidade de MinnesotaUniversidade de MinnesotaInformações sobre o curso
8,268 visualizações recentes
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Curso 2 de 5 no
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Aprox. 15 horas para completar
Inglês
Legendas: Inglês
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Curso 2 de 5 no
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Aprox. 15 horas para completar
Inglês
Legendas: Inglês
oferecido por
Universidade de MinnesotaUniversidade de 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.
Programa - O que você aprenderá com este curso
13 minutos para concluir
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 minutos para concluir
1 vídeo (Total 3 mín.), 1 leitura
1 vídeos
1 leituras
Course Structure Outline10min
1 hora para concluir
User-User Collaborative Filtering Recommenders Part 1
1 hora para concluir
5 vídeos (Total 85 mín.)
5 videos
Configuring User-User Collaborative Filtering9min
Influence Limiting and Attack Resistance; Interview with Paul Resnick21min
Trust-Based Recommendation; Interview with Jen Golbeck15min
Impact of Bad Ratings; Interview with Dan Cosley13min
5 horas para concluir
User-User Collaborative Filtering Recommenders Part 2
5 horas para concluir
2 vídeos (Total 13 mín.), 2 leituras, 3 testes
2 videos
Programming Assignment - Programming User-User Collaborative Filtering4min
2 leituras
Assignment Instructions: User-User CF10min
Introducing User-User CF Programming Assignment10min
2 exercícios práticos
User-User CF Answer Sheet30min
User-User Collaborative Filtering Quiz30min
1 hora para concluir
Item-Item Collaborative Filtering Recommenders Part 1
1 hora para concluir
6 vídeos (Total 70 mín.)
6 videos
Item-Item Algorithm16min
Item-Item on Unary Data6min
Item-Item Hybrids and Extensions4min
Strengths and Weaknesses of Item-Item Collaborative Filtering9min
Interview with Brad Miller16min
6 horas para concluir
Item-Item Collaborative Filtering Recommenders Part 2
6 horas para concluir
2 vídeos (Total 10 mín.), 2 leituras, 5 testes
2 videos
Programming Assignment - Programming Item-Item Collaborative Filtering4min
2 leituras
Item-Based CF Assignment Instructions10min
Introducing Item-Item CF Programming Assignment10min
4 exercícios práticos
Item Based Assignment Part l30min
Item Based Assignment Part II30min
Item Based Assignment Part III30min
Item Based Assignment Part IV30min
2 horas para concluir
Advanced Collaborative Filtering Topics
2 horas para concluir
5 vídeos (Total 73 mín.)
5 videos
Recommending for Groups: Interview with Anthony Jameson14min
Threat Models11min
Explanations16min
Explanations, Part II: Interview with Nava Tintarev17min
1 exercício prático
Item-Based and Advanced Collaborative Filtering Topics Quiz30min
Avaliações
Principais avaliações do NEAREST NEIGHBOR COLLABORATIVE FILTERING
por NS11 de Dez de 2019
i found this course very helpful and informative. it explains the theory while providing real-world examples on recommender systems. the assignment helps in clearing up any confusion with the material
por SS30 de Mar de 2019
Thank you so very much to open my eye see more view of recommendation field not only algorithms but use case and many trouble-shooting in worldwide business, moreover interview with noble professor.
por DG1 de Fev de 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.
por NR3 de Fev de 2018
Extremely informative course! It would be great if the assignments are created on python or R in the next season's offering. Thanks for the knowledge!
Sobre Programa de cursos integrados Sistemas de recomendação
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.
Perguntas Frequentes – FAQ
Quando terei acesso às palestras e às tarefas?
O acesso a palestras e tarefas depende do tipo de inscrição. Se você participar de um curso como ouvinte, você poderá ver quase todo o conteúdo do curso gratuitamente. Para acessar tarefas valendo nota e obter um Certificado, você precisará adquirir a experiência do Certificado, durante ou após a participação como ouvinte. Se você não vir a opção de participar como ouvinte:
- o curso pode não oferecer essa opção. Você pode experimentar um teste gratuito ou solicitar o auxílio financeiro.
- Em vez disso, o curso pode oferecer 'Curso completo, sem Certificado'. Com esta opção, é possível ver todo o conteúdo do curso, enviar as avaliações necessárias e obter uma nota final. Isso também significa que você não poderá comprar uma experiência de Certificado.
O que recebo ao me inscrever nesta Especialização?
Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.
Is financial aid available?
Sim, a Coursera oferece auxílio financeiro ao aluno que não possa pagar a taxa. Faça a solicitação clicando no link Auxílio Financeiro, abaixo do botão "Inscreva-se" à esquerda. Preencha uma solicitação e será notificado caso seja aprovado. Você terá que completar esta etapa para cada curso na Especialização, incluindo o Trabalho de Conclusão de Curso. Saiba mais .
Ganharei créditos universitários por concluir o curso?
Este curso não oferece créditos universitários, mas algumas universidades podem aceitar certificados de cursos que podem ser convertidos em créditos. Entre em contato com sua instituição para saber mais. Com os cursos on-line e os certificados Mastertrack™ do Coursera, é possível ganhar créditos universitários.
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
