Sobre este Programa de cursos integrados
10,241 visualizações recentes

Cursos 100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Cronograma flexível

Definição e manutenção de prazos flexíveis.

Nível intermediário

Aprox. 2 meses para completar

9 horas/semana sugeridas

Inglês

Legendas: Inglês

O que você vai aprender

  • Check

    Build recommendation systems

  • Check

    Implement collaborative filtering

  • Check

    Master spreadsheet based tools

  • Check

    Use project-association recommenders

Habilidades que você terá

Collaborative FilteringRecommender SystemsEvaluationLensKitMatrix Factorization
Os alunos que estão fazendo este Specialization são
  • Data Scientists
  • Machine Learning Engineers
  • Data Engineers
  • Research Assistants
  • Data Analysts

Cursos 100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Cronograma flexível

Definição e manutenção de prazos flexíveis.

Nível intermediário

Aprox. 2 meses para completar

9 horas/semana sugeridas

Inglês

Legendas: Inglês

Como funciona o programa de cursos integrados

Fazer cursos

Um programa de cursos integrados do Coursera é uma série de cursos para ajudá-lo a dominar uma habilidade. Primeiramente, inscreva-se no programa de cursos integrados diretamente, ou avalie a lista de cursos e escolha por qual você gostaria de começar. Ao se inscrever em um curso que faz parte de um programa de cursos integrados, você é automaticamente inscrito em todo o programa de cursos integrados. É possível concluir apenas um curso — você pode pausar a sua aprendizagem ou cancelar a sua assinatura a qualquer momento. Visite o seu painel de aprendiz para controlar suas inscrições em cursos e progresso.

Projeto prático

Todos os programas de cursos integrados incluem um projeto prático. Você precisará completar com êxito o(s) projeto(s) para concluir o programa de cursos integrados e obter o seu certificado. Se o programa de cursos integrados incluir um curso separado para o projeto prático, você precisará completar todos os outros cursos antes de iniciá-lo.

Obtenha um certificado

Ao concluir todos os cursos e completar o projeto prático, você obterá um certificado que pode ser compartilhado com potenciais empregadores e com sua rede profissional.

how it works

Este Programa de cursos integrados contém 5 cursos

Curso1

Introduction to Recommender Systems: Non-Personalized and Content-Based

4.5
443 classificações
88 avaliações
Curso2

Nearest Neighbor Collaborative Filtering

4.3
215 classificações
51 avaliações
Curso3

Recommender Systems: Evaluation and Metrics

4.3
159 classificações
23 avaliações
Curso4

Matrix Factorization and Advanced Techniques

4.3
137 classificações
20 avaliações

Instrutores

Avatar

Joseph A Konstan

Distinguished McKnight Professor and Distinguished University Teaching Professor
Computer Science and Engineering
Avatar

Michael D. Ekstrand

Assistant Professor
Dept. of Computer Science, Boise State University

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....

Perguntas Frequentes – FAQ

  • Sim! Para começar, clique na carta de curso que lhe interessa e se inscreva. Você pode se inscrever e concluir o curso para ganhar um certificado compartilhável ou você pode auditar para ver os materiais do curso de graça. Quando você se inscrever em um curso que faz parte de uma especialização, você está automaticamente inscrito para a especialização completa. Visite o seu painel de aluno para acompanhar o seu progresso.

  • Este curso é totalmente on-line, então não existe necessidade de aparecer em uma sala de aula pessoalmente. Você pode acessar suas palestras, leituras e atribuições a qualquer hora e qualquer lugar, via web ou dispositivo móvel.

  • Most learners should be able to complete the specialization in 20-26 weeks.

  • Basic statistics or college algebra, and an ability to work with spreadsheets. For the honors track, you should also be comfortable implementing software in Java.

  • While each component can be useful by itself, the courses do build on each other and should be taken in order.

  • The University of Minnesota does not offer credit for completing this specialization. If you are enrolled elsewhere, you may wish to speak with your advisor or program staff to find out whether this specialization could be used for independent study credit.

  • You will understand and be able to apply the major families of recommender algorithms: non-personalized, product association, content-based, nearest-neighbor, and matrix factorization. You will know and be able to apply a variety of recommender metrics, and will be able to use this knowledge to match the correct recommender system to appplications.

  • The honors track is an optional track where learners add programming recommenders in the open source LensKit toolkit. You should be comfortable with basic data structures, algorithms, and Java to attempt the honors track.

  • This specialization is an extended and updated version of the two prior versions of Introduction to Recommender Systems that we've offered through Coursera. About 50% of the video and 80% of the assessment material are new, and there is an honors track with programming assignments (which existed in the first version of the course only, and have been re-done for this specialization). The Capstone is entirely new.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.