Dieser Kurs ist Teil der Spezialisierung Spezialisierung Empfehlungsdienste

4.3
Sterne
301 Bewertungen

Joseph A Konstan +1 weiterer Dozent

13.694 bereits angemeldet

von

Spezialisierung EmpfehlungsdiensteUniversity of Minnesota

Über diesen Kurs

3.694 kürzliche Aufrufe

In this course, you will learn the fundamental techniques for making personalized recommendations through nearest-neighbor techniques.  First you will learn user-user collaborative filtering, an algorithm that identifies other people with similar tastes to a target user and combines their ratings to make recommendations for that user.  You will explore and implement variations of the user-user algorithm, and will explore the benefits and drawbacks of the general approach.  Then you will learn the widely-practiced item-item collaborative filtering algorithm, which identifies global product associations from user ratings, but uses these product associations to provide personalized recommendations based on a user's own product ratings.

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.

Kurs 2 von 5 in

Spezialisierung Empfehlungsdienste

Ca. 15 Stunden zum Abschließen

Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

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.

Kurs 2 von 5 in

Spezialisierung Empfehlungsdienste

Ca. 15 Stunden zum Abschließen

Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Dozenten

Dozentenbewertung

4,5/5 (13 Bewertungen)

Joseph A Konstan

Distinguished McKnight Professor and Distinguished University Teaching Professor

Computer Science and Engineering

187.893 Lernende

11 Kurse

Michael D. Ekstrand

Assistant Professor

Dept. of Computer Science, Boise State University

104.329 Lernende

6 Kurse

von

University of 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.

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

13 Minuten zum Abschließen

Preface

Note that this course is structured into two-week chunks. The first chunk focuses on User-User Collaborative Filtering; the second chunk on Item-Item Collaborative Filtering. Each chunk has most of the lectures in the first week, and assignments/quizzes and advanced topics in the second week. We encourage learners to treat each two-week chunk as one unit, starting the assignments as soon as they feel they have learned enough to get going.

13 Minuten zum Abschließen

1 Video (Gesamt 3 min), 1 Lektüre

1 Stunde zum Abschließen

User-User Collaborative Filtering Recommenders Part 1

1 Stunde zum Abschließen

5 Videos (Gesamt 85 min)

Woche

Woche 2

5 Stunden zum Abschließen

User-User Collaborative Filtering Recommenders Part 2

5 Stunden zum Abschließen

2 Videos (Gesamt 13 min), 2 Lektüren, 3 Quiz

Woche

Woche 3

1 Stunde zum Abschließen

Item-Item Collaborative Filtering Recommenders Part 1

1 Stunde zum Abschließen

6 Videos (Gesamt 70 min)

Woche

Woche 4

6 Stunden zum Abschließen

Item-Item Collaborative Filtering Recommenders Part 2

6 Stunden zum Abschließen

2 Videos (Gesamt 10 min), 2 Lektüren, 5 Quiz

2 Stunden zum Abschließen

Advanced Collaborative Filtering Topics

2 Stunden zum Abschließen

5 Videos (Gesamt 73 min)

Bewertungen

4.3

68 Bewertungen

5 stars
53,48 %
4 stars
29,23 %
3 stars
11,62 %
2 stars
2,65 %
1 star
2,99 %

Top-Bewertungen von NEAREST NEIGHBOR COLLABORATIVE FILTERING

von AD2. Aug. 2017

Loved it...many thanks Prof. Joe for bringing this content to Coursera

von LL19. Juli 2017

a great class, I learned some insight in these algorithms

von DR14. Juni 2017

Very satisfied to do this, the videos are too long, very good quality and a lot of practical information.

I love it!

von NS11. Dez. 2019

i found this course very helpful and informative. it explains the theory while providing real-world examples on recommender systems. the assignment helps in clearing up any confusion with the material

Alle Bewertungen anzeigen

Über den Spezialisierung Empfehlungsdienste

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.

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 diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird 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

Nearest Neighbor Collaborative Filtering

Über diesen Kurs