This capstone project course for the Recommender Systems Specialization brings together everything you've learned about recommender systems algorithms and evaluation into a comprehensive recommender analysis and design project. You will be given a case study to complete where you have to select and justify the design of a recommender system through analysis of recommender goals and algorithm performance. Learners in the honors track will focus on experimental evaluation of the algorithms against medium sized datasets. The standard track will include a mix of provided results and spreadsheet exploration. Both groups will produce a capstone report documenting the analysis, the selected solution, and the justification for that solution.
Este curso faz parte do Programa de cursos integrados Sistemas de recomendação
Recommender Systems Capstone
oferecido por
Programa de cursos integrados Sistemas de recomendaçãoUniversidade de MinnesotaUniversidade de Minnesota
Informações sobre o curso
2,562 visualizações recentes
Learner Career Outcomes
Learner Career Outcomes
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Curso 5 de 5 no
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Aprox. 8 horas para completar
Sugerido: 1-3 weeks of study, 3-5 hours per week
Inglês
Legendas: Inglês
Programa - O que você aprenderá com este curso
Semana
14 horas para concluir
Capstone Project
2 vídeos (Total 6 mín.), 2 leituras, 3 testes
2 leituras
Capstone Assignment (all versions combined)10min
Thank you!10min
1 exercício prático
Certification for honors track2min
Instrutores
Michael D. Ekstrand
Assistant ProfessorDept. of Computer Science, Boise State University
Joseph A Konstan
Distinguished McKnight Professor and Distinguished University Teaching ProfessorComputer Science and Engineering
Sobre 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.
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.
Perguntas Frequentes – FAQ
Quando terei acesso às palestras e às tarefas?
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.
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.
Qual é a política de reembolso?
Existe algum auxílio financeiro disponível?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.