Informações sobre o curso

8,158 visualizações recentes

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Aprox. 14 horas para completar

Inglês

Legendas: Inglês

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Aprox. 14 horas para completar

Inglês

Legendas: Inglês

oferecido por

Logotipo de Universidade de MinnesotaUniversidade de Minnesota

Universidade de MinnesotaUniversidade de Minnesota

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

13 minutos para concluir

Preface

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
Semana
2

Semana 2

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 Sheet48min
User-User Collaborative Filtering Quiz20min
Semana
3

Semana 3

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
Semana
4

Semana 4

4 horas para concluir

Item-Item Collaborative Filtering Recommenders Part 2

4 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 l10min
Item Based Assignment Part II10min
Item Based Assignment Part III10min
Item Based Assignment Part IV10min
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 Quiz20min

Avaliações

Principais avaliações do NEAREST NEIGHBOR COLLABORATIVE FILTERING
Visualizar todas as avaliações

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. 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....
Sistemas de recomendação

Perguntas Frequentes – FAQ

  • Ao se inscrever para um Certificado, você terá acesso a todos os vídeos, testes e tarefas de programação (se aplicável). Tarefas avaliadas pelos colegas apenas podem ser enviadas e avaliadas após o início da sessão. Caso escolha explorar o curso sem adquiri-lo, talvez você não consiga acessar certas tarefas.

  • 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.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.