In this course you will learn a variety of matrix factorization and hybrid machine learning techniques for recommender systems. Starting with basic matrix factorization, you will understand both the intuition and the practical details of building recommender systems based on reducing the dimensionality of the user-product preference space. Then you will learn about techniques that combine the strengths of different algorithms into powerful hybrid recommenders.
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Empfehlungsdienste
von
Spezialisierung EmpfehlungsdiensteUniversity of MinnesotaÜber diesen Kurs
9,011 kürzliche Aufrufe
Karriereergebnisse der Lernenden
50%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 4 von 5 in
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Ca. 16 Stunden zum Abschließen
Englisch
Untertitel: Englisch
Karriereergebnisse der Lernenden
50%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 4 von 5 in
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Ca. 16 Stunden zum Abschließen
Englisch
Untertitel: Englisch
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.
Lehrplan - Was Sie in diesem Kurs lernen werden
4 Minuten zum Abschließen
Preface
4 Minuten zum Abschließen
1 Video (Gesamt 4 min)
1 Stunde zum Abschließen
Matrix Factorization (Part 1)
This is a two-part, two-week module on matrix factorization recommender techniques. It includes an assignment and quiz (both due in the second week), and an honors assignment (also due in the second week). Please pace yourself carefully -- it will be difficult to finish in two weeks unless you start the assignments during the first week.
1 Stunde zum Abschließen
5 Videos (Gesamt 70 min), 1 Lektüre
5 Videos
Singular Value Decomposition17m
Gradient Descent Techniques17m
Deriving FunkSVD11m
Probabilistic Matrix Factorization10m
1 Lektüre
On Folding-In with Gradient Descent10m
6 Stunden zum Abschließen
Matrix Factorization (Part 2)
6 Stunden zum Abschließen
2 Videos (Gesamt 15 min), 2 Lektüren, 6 Quiz
2 Lektüren
Assignment Instructions10m
Intro - Programming Matrix Factorization10m
5 praktische Übungen
Matrix Factorization Assignment Part l30m
Matrix Factorization Assignment Part ll30m
Matrix Factorization Assignment Part lll30m
Matrix Factorization Quiz30m
SVD Programming Eval Quiz30m
2 Stunden zum Abschließen
Hybrid Recommenders
This is a three-part, two-week module on hybrid and machine learning recommendaton algorithms and advanced recommender techniques. It includes a quiz (due in the second week), and an honors assignment (also due in the second week). Please pace yourself carefully -- it will be difficult to finish the honors track in two weeks unless you start the assignments during the first week.
2 Stunden zum Abschließen
6 Videos (Gesamt 96 min)
6 Videos
Hybrids with Robin Burke16m
Hybridization through Matrix Factorization15m
Matrix Factorization Hybrids with George Karypis17m
Interview with Arindam Banerjee15m
Interview with Yehuda Koren22m
Bewertungen
Top-Bewertungen von MATRIX FACTORIZATION AND ADVANCED TECHNIQUES
von AG9. Juni 2018
Programming Assignments are not clear enough and the quiz for the last one seems to be a bit off.
von LL18. Juli 2017
great courses! They invite a lot of interviews to let me understand the sea of recommend system!
von AA13. Aug. 2017
Interview with Francesco Ricci is very knowledgeable about context aware Recommender System.
von SK4. Dez. 2017
Awesome course especially for those doing Ph.D in recommender systems
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.
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.
Is financial aid available?
Ja, Coursera bietet für Kursteilnehmer, die sich die Kursgebühr nicht leisten können, finanzielle Unterstützung an. Bewerben Sie sich dafür, indem Sie auf den Link für finanzielle Unterstützung links unter der Schaltfläche „Anmelden“ klicken. Sie werden zum Ausfüllen eines Antrags aufgefordert und werden bei Genehmigung benachrichtigt. Diesen Schritt müssen Sie für jeden Kurs der Spezialisierung ausführen, auch für das Abschlussprojekt. Mehr erfahren
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
