In this course you will learn how to evaluate recommender systems. You will gain familiarity with several families of metrics, including ones to measure prediction accuracy, rank accuracy, decision-support, and other factors such as diversity, product coverage, and serendipity. You will learn how different metrics relate to different user goals and business goals. You will also learn how to rigorously conduct offline evaluations (i.e., how to prepare and sample data, and how to aggregate results). And you will learn about online (experimental) evaluation. At the completion of this course you will have the tools you need to compare different recommender system alternatives for a wide variety of uses.
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Empfehlungsdienste
von
Spezialisierung EmpfehlungsdiensteUniversity of MinnesotaÜber diesen Kurs
7,007 kürzliche Aufrufe
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 3 von 5 in
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Ca. 7 Stunden zum Abschließen
Englisch
Untertitel: Englisch
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 3 von 5 in
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Ca. 7 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
14 Minuten zum Abschließen
Preface
14 Minuten zum Abschließen
2 Videos (Gesamt 14 min)
2 Stunden zum Abschließen
Basic Prediction and Recommendation Metrics
2 Stunden zum Abschließen
5 Videos (Gesamt 57 min), 1 Lektüre, 1 Quiz
5 Videos
Prediction Accuracy Metrics12m
Decision Support Metrics16m
Rank-Aware Top-N Metrics18m
Assignment Intro Video2m
1 Lektüre
Metric Computation Assignment Instructions10m
1 praktische Übung
Basic Prediction and Recommendation Metrics Assignment42m
2 Stunden zum Abschließen
Advanced Metrics and Offline Evaluation
2 Stunden zum Abschließen
6 Videos (Gesamt 76 min), 1 Lektüre, 2 Quiz
6 Videos
Additional Item and List-Based Metrics18m
Experimental Protocols13m
Unary Data Evaluation11m
Temporal Evaluation of Recommenders (Interview with Neal Lathia)12m
Programming Assignment Introduction8m
1 Lektüre
Evaluating Recommenders10m
2 praktische Übungen
Offline Evaluation and Metrics Quiz22m
Programming Assignment Quiz28m
1 Stunde zum Abschließen
Online Evaluation
1 Stunde zum Abschließen
4 Videos (Gesamt 66 min)
4 Videos
Usage Logs and Analysis10m
A/B Studies (Field Experiments)11m
User-Centered Evaluation (Interview with Bart Knijnenburg)25m
1 praktische Übung
Online Evaluation Quiz8m
1 Stunde zum Abschließen
Evaluation Design
1 Stunde zum Abschließen
3 Videos (Gesamt 31 min), 2 Lektüren, 1 Quiz
2 Lektüren
Intro to Assignment: Evaluation Design Cases10m
Quiz Debrief10m
1 praktische Übung
Assignment: Evaluation Design Cases12m
Bewertungen
Top-Bewertungen von RECOMMENDER SYSTEMS: EVALUATION AND METRICS
von SS12. Juni 2017
Very good. But left out 1 star because one honors assignment did not have the material(base code) to download. Repeated questions were not answered in forum.
von NS13. Dez. 2019
Wonderful course provide realtime examples of the pros and cons of each approach and metric, very useful and enjoyable
von CS15. Juli 2017
A lot of very in detail theories and metrics. I wish it could have more hands on experience.
von LL18. Juli 2017
wonderful!!! They teach a lot what I did not expect!
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?
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
- The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
- The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
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.
Wie erfolgen Rückerstattungen?
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine 7-tägige, kostenlose Testversion, die Sie gebührenfrei wieder kündigen können. Danach gewähren wir keine Rückerstattungen mehr, aber Sie können Ihr Abonnement jederzeit kündigen. Lesen Sie unsere vollständige Rückerstattungsrichtlinie.
Ist finanzielle Unterstützung möglich?
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
Erhalte ich akademische Leistungspunkte für den Abschluss des Kurses?
Für diesen Kurs gibt es keine akademischen Leistungspunkte, doch Hochschulen können nach eigenem Ermessen Leistungspunkte für Kurszertifikate vergeben. Wenden Sie sich an Ihre Einrichtung, um mehr zu erfahren. Online-Abschlüsse und Mastertrack™-Zertifikate auf Coursera bieten die Möglichkeit, akademische Leistungspunkte zu erwerben.
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
