4.4
Sterne
35 Bewertungen

Paolo Cremonesi

2.280 bereits angemeldet

von

EIT Digital

Politecnico di Milano

Basic Recommender Systems

EIT Digital

Über diesen Kurs

4.918 kürzliche Aufrufe

This course introduces you to the leading approaches in recommender systems. The techniques described touch both collaborative and content-based approaches and include the most important algorithms used to provide recommendations. You'll learn how they work, how to use and how to evaluate them, pointing out benefits and limits of different recommender system alternatives. 
After completing this course, you'll be able to describe the requirements and objectives of recommender systems based on different application domains. You'll know how to distinguish recommender systems according to their input data, their internal working mechanisms, and their goals. You’ll have the tools to measure the quality of a recommender system and to incrementally improve it with the design of new algorithms. You'll learn as well how to design recommender systems tailored for new application domains, also considering surrounding social and ethical issues such as identity, privacy, and manipulation.

Providing affordable, personalised and high-quality recommendations is always a challenge! This course also leverages two important EIT Overarching Learning Outcomes (OLOs), related to creativity and innovation skills. In trying to design a new recommender system you need to think beyond boundaries and try to figure out how you can improve the quality of the predictions. You should also be able to use knowledge, ideas and technology to create new or significantly improved recommendation tools to support choice-making processes and strategies in different and innovative scenarios, for a better quality of life.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Stufe „Mittel“

Basic notions of linear algebra

Ca. 12 Stunden zum Abschließen

Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Was Sie lernen werden

You'll be able to build a basic recommender system.
You'll be able to choose the family of recommender systems that best suits the kind of input data, goals and needs.
You'll learn how to identify the correct evaluation activities to measure the quality of a recommender system, based on goals and needs.
You'll be able to point out benefits and limits of different techniques for recommender systems in different scenarios.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Stufe „Mittel“

Basic notions of linear algebra

Ca. 12 Stunden zum Abschließen

Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Dozent

Dozentenbewertung

4/5 (6 Bewertungen)

Paolo Cremonesi

Associate Professor

Department of Electronics, Information and Bioengineering - Politecnico di Milano

3.799 Lernende

2 Kurse

von

EIT Digital

EIT Digital is a European education and innovation organisation with a mission to foster digital technology innovation and entrepreneurial talent for economic growth and quality of life. By linking education, research, and business, EIT Digital empowers digital top talent for the future.

EIT Digital provides online and face-to-face Innovation and Entrepreneurship education to raise quality, increase diversity and availability of the top-level content provided by 20 leading technical universities around Europe. The universities deliver a unique blend of the best of technical excellence and entrepreneurial skills and mindset to digital engineers and entrepreneurs at all stages of their careers. The academic partners support Coursera’s bold vision to enable anyone, anywhere, to transform their lives by accessing the world’s best learning experience. This means that EIT Digital gradually shares parts of its entrepreneurial and academic education programmes to demonstrate its excellence and make it accessible to a much wider audience. EIT Digital’s online education portfolio can be used as part of blended education settings, in both Master's and Doctorate programmes, and for professionals as a way to update their knowledge.

Politecnico di Milano

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche

Woche 1

3 Stunden zum Abschließen

BASIC CONCEPTS

In this first module, we'll review the basic concepts for recommender systems in order to classify and analyse different families of algorithms, related to specific set of input data. At the end, you’ll be able to choose the most suitable type of algorithm based on the data available, your needs and goals. Conversely, you'll know how to select the input data based on the algorithm you want to use.

3 Stunden zum Abschließen

11 Videos (Gesamt 29 min), 2 Lektüren, 2 Quiz

11 Videos

Course overview and welcome by the instructor2m

Welcome by the instructor - module overview1m

Introduction to Recommender Systems3m

Taxonomy of Recommender Systems6m

Item-Content Matrix1m

User-Rating Matrix2m

Inferring Preferences3m

Recap by the instructor1m

Non-personalized Recommender Systems3m

Global Effects2m

Conclusions by the instructor1m

2 Lektüren

Course Syllabus10m

Credits & Acknowledgements5m

1 praktische Übung

Module 1 - Graded Assessment45m

Woche

Woche 2

3 Stunden zum Abschließen

EVALUATION OF RECOMMENDER SYSTEMS

3 Stunden zum Abschließen

12 Videos (Gesamt 35 min)

Woche

Woche 3

3 Stunden zum Abschließen

CONTENT-BASED FILTERING

In this module we’ll analyse content-based recommender techniques. These algorithms recommend items similar to the ones a user liked in the past. We’ll review different similarity functions and you’ll then be able to choose the more suitable one for your system. The main input is the Item-Content Matrix (ICM) which describes all the attributes for each item. We’ll see how we can improve the quality of content-based techniques, by normalising and tuning the importance of each attribute in the ICM: you’ll be able to use some specific tuning strategies in order to obtain the best quality recommendations from your system. So, at the end of this module, you’ll know how to build a content-based recommender system, how to clean and normalize your input data.

3 Stunden zum Abschließen

9 Videos (Gesamt 19 min)

Woche

Woche 4

3 Stunden zum Abschließen

COLLABORATIVE FILTERING

In this module we’ll study collaborative filtering techniques, which use the User Rating Matrix (URM) as the main input data, describing the interaction between users and items. We’ll learn how to build non-personalised recommender systems and how to normalise the URM, in order to provide better recommendations. At the end of the module you’ll be able to select the most appropriate similarity function and the most suitable way to compute similarity, overcoming issues related to explicit ratings.

3 Stunden zum Abschließen

9 Videos (Gesamt 42 min)

Bewertungen

4.4

5 Bewertungen

5 stars
71,42 %
4 stars
17,14 %
2 stars
2,85 %
1 star
8,57 %

Top-Bewertungen von BASIC RECOMMENDER SYSTEMS

von RT24. Okt. 2020

There is a nice introduction to recommender systems field

Alle Bewertungen anzeigen

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich das Zertifikat erwerbe?
Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugriff auf alle Kursmaterialien, einschließlich bewerteter Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Ist finanzielle Unterstützung möglich?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie sich die Anmeldegebühr nicht leisten können. Wenn für das von Ihnen gewählte Lernprogramm finanzielle Unterstützung oder ein Stipendium verfügbar ist, wird auf der Beschreibungsseite ein Link zu einem solchen Antrag angezeigt.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Fördern Sie Mitarbeiterkompetenzen für bessere Geschäftsergebnisse

Entdecken Sie Coursera für Unternehmen

Basic Recommender Systems

Basic Recommender Systems

Über diesen Kurs

Was Sie lernen werden