Informações sobre o curso

20,526 visualizações recentes

Resultados de carreira do aprendiz

60%

comecei uma nova carreira após concluir estes cursos

40%

consegui um benefício significativo de carreira com este curso

12%

recebi um aumento ou promoção

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Nível intermediário

Aprox. 20 horas para completar

Inglês

Legendas: Inglês

Habilidades que você terá

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

Resultados de carreira do aprendiz

60%

comecei uma nova carreira após concluir estes cursos

40%

consegui um benefício significativo de carreira com este curso

12%

recebi um aumento ou promoção

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Nível intermediário

Aprox. 20 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

Classificação do conteúdoThumbs Up90%(1,741 classificações)Info
Semana
1

Semana 1

1 hora para concluir

Preface

1 hora para concluir
2 vídeos (Total 41 mín.), 1 leitura
2 videos
Intro to Course and Specialization13min
1 leituras
Notes on Course Design and Relationship to Prior Courses10min
3 horas para concluir

Introducing Recommender Systems

3 horas para concluir
9 vídeos (Total 147 mín.), 2 leituras, 2 testes
9 videos
Preferences and Ratings17min
Predictions and Recommendations16min
Taxonomy of Recommenders I27min
Taxonomy of Recommenders II21min
Tour of Amazon.com21min
Recommender Systems: Past, Present and Future16min
Introducing the Honors Track7min
Honors: Setting up the development environment10min
2 leituras
About the Honors Track10min
Downloads and Resources10min
2 exercícios práticos
Closing Quiz: Introducing Recommender Systems20min
Honors Track Pre-Quiz2min
Semana
2

Semana 2

7 horas para concluir

Non-Personalized and Stereotype-Based Recommenders

7 horas para concluir
7 vídeos (Total 111 mín.), 5 leituras, 9 testes
7 videos
Summary Statistics I16min
Summary Statistics II22min
Demographics and Related Approaches13min
Product Association Recommenders19min
Assignment #1 Intro Video14min
Assignment Intro: Programming Non-Personalized Recommenders17min
5 leituras
External Readings on Ranking and Scoring10min
Assignment 1 Instructions: Non-Personalized and Stereotype-Based Recommenders10min
Assignment Intro: Programming Non-Personalized Recommenders10min
LensKit Resources10min
Rating Data Information10min
8 exercícios práticos
Assignment #1: Response #1: Top Movies by Mean Rating10min
Assignment #1: Response #2: Top Movies by Count10min
Assignment #1: Response #3: Top Movies by Percent Liking10min
Assignment #1: Response #4: Association with Toy Story10min
Assignment #1: Response #5: Correlation with Toy Story10min
Assignment #1: Response #6: Male-Female Differences in Average Rating10min
Assignment #1: Response #7: Male-Female differences in Liking8min
Non-Personalized Recommenders20min
Semana
3

Semana 3

3 horas para concluir

Content-Based Filtering -- Part I

3 horas para concluir
8 vídeos (Total 156 mín.)
8 videos
TFIDF and Content Filtering24min
Content-Based Filtering: Deeper Dive26min
Entree Style Recommenders -- Robin Burke Interview13min
Case-Based Reasoning -- Interview with Barry Smyth13min
Dialog-Based Recommenders -- Interview with Pearl Pu21min
Search, Recommendation, and Target Audiences -- Interview with Sole Pera11min
Beyond TFIDF -- Interview with Pasquale Lops21min
Semana
4

Semana 4

6 horas para concluir

Content-Based Filtering -- Part II

6 horas para concluir
2 vídeos (Total 26 mín.), 3 leituras, 3 testes
2 videos
Honors: Intro to programming assignment10min
3 leituras
Content-Based Recommenders Spreadsheet Assignment (aka Assignment #2)1h 20min
Tools for Content-Based Filtering10min
CBF Programming Intro10min
2 exercícios práticos
Assignment #2 Answer Form20min
Content-Based Filtering20min
1 hora para concluir

Course Wrap-up

1 hora para concluir
2 vídeos (Total 45 mín.), 1 leitura
2 videos
Psychology of Preference & Rating -- Interview with Martijn Willemsen31min
1 leituras
Related Readings10min

Avaliações

Principais avaliações do INTRODUCTION TO RECOMMENDER SYSTEMS: NON-PERSONALIZED AND CONTENT-BASED
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.

  • 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.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.