Über diesen Kurs
8,205 kürzliche Aufrufe

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Ca. 12 Stunden zum Abschließen

Empfohlen: 10 hours/week...

Englisch

Untertitel: Englisch
User
Kursteilnehmer, die sich für Course entscheiden, sind
  • Data Scientists
  • Machine Learning Engineers
  • Data Engineers
  • Business Analysts
  • Founders
User
Kursteilnehmer, die sich für Course entscheiden, sind
  • Data Scientists
  • Machine Learning Engineers
  • Data Engineers
  • Business Analysts
  • Founders

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Ca. 12 Stunden zum Abschließen

Empfohlen: 10 hours/week...

Englisch

Untertitel: Englisch

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
13 Minuten zum Abschließen

Preface

1 Video (Gesamt 3 min), 1 Lektüre
1 Video
1 Lektüre
Course Structure Outline10m
1 Stunde zum Abschließen

User-User Collaborative Filtering Recommenders Part 1

5 Videos (Gesamt 85 min)
5 Videos
Configuring User-User Collaborative Filtering9m
Influence Limiting and Attack Resistance; Interview with Paul Resnick21m
Trust-Based Recommendation; Interview with Jen Golbeck15m
Impact of Bad Ratings; Interview with Dan Cosley13m
Woche
2
5 Stunden zum Abschließen

User-User Collaborative Filtering Recommenders Part 2

2 Videos (Gesamt 13 min), 2 Lektüren, 3 Quiz
2 Videos
Programming Assignment - Programming User-User Collaborative Filtering4m
2 Lektüren
Assignment Instructions: User-User CF10m
Introducing User-User CF Programming Assignment10m
2 praktische Übungen
User-User CF Answer Sheet48m
User-User Collaborative Filtering Quiz20m
Woche
3
1 Stunde zum Abschließen

Item-Item Collaborative Filtering Recommenders Part 1

6 Videos (Gesamt 70 min)
6 Videos
Item-Item Algorithm16m
Item-Item on Unary Data6m
Item-Item Hybrids and Extensions4m
Strengths and Weaknesses of Item-Item Collaborative Filtering9m
Interview with Brad Miller16m
Woche
4
4 Stunden zum Abschließen

Item-Item Collaborative Filtering Recommenders Part 2

2 Videos (Gesamt 10 min), 2 Lektüren, 5 Quiz
2 Videos
Programming Assignment - Programming Item-Item Collaborative Filtering4m
2 Lektüren
Item-Based CF Assignment Instructions10m
Introducing Item-Item CF Programming Assignment10m
4 praktische Übungen
Item Based Assignment Part l10m
Item Based Assignment Part II10m
Item Based Assignment Part III10m
Item Based Assignment Part IV10m
2 Stunden zum Abschließen

Advanced Collaborative Filtering Topics

5 Videos (Gesamt 73 min), 1 Quiz
5 Videos
Recommending for Groups: Interview with Anthony Jameson14m
Threat Models11m
Explanations16m
Explanations, Part II: Interview with Nava Tintarev17m
1 praktische Übung
Item-Based and Advanced Collaborative Filtering Topics Quiz20m
4.3
51 BewertungenChevron Right

Top-Bewertungen von Nearest Neighbor Collaborative Filtering

von SSMar 31st 2019

Thank you so very much to open my eye see more view of recommendation field not only algorithms but use case and many trouble-shooting in worldwide business, moreover interview with noble professor.

von NRFeb 4th 2018

Extremely informative course! It would be great if the assignments are created on python or R in the next season's offering. Thanks for the knowledge!

Dozenten

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

Über 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....

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....
Empfehlungsdienste

Häufig gestellte Fragen

  • Sobald Sie sich für ein Zertifikat angemeldet haben, haben Sie Zugriff auf alle Videos, Quizspiele und Programmieraufgaben (falls zutreffend). Aufgaben, die von anderen Kursteilnehmern bewertet werden, können erst dann eingereicht und überprüft werden, wenn Ihr Unterricht begonnen hat. Wenn Sie sich den Kurs anschauen möchten, ohne ihn zu kaufen, können Sie womöglich auf bestimmte Aufgaben nicht zugreifen.

  • 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.

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..