Über diesen Kurs
4,100 recent views

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Ca. 9 Stunden zum Abschließen

Empfohlen: 9 hours/week...

Englisch

Untertitel: Englisch

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Ca. 9 Stunden zum Abschließen

Empfohlen: 9 hours/week...

Englisch

Untertitel: Englisch

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
14 Minuten zum Abschließen

Preface

2 Videos (Gesamt 14 min)
2 Stunden zum Abschließen

Basic Prediction and Recommendation Metrics

5 Videos (Gesamt 57 min), 1 Lektüre, 1 Quiz
5 Videos
Rank-Aware Top-N Metrics18m
Assignment Intro Video2m
1 Lektüren
Metric Computation Assignment Instructions10m
1 praktische Übungen
Basic Prediction and Recommendation Metrics Assignment42m
Woche
2
2 Stunden zum Abschließen

Advanced Metrics and Offline Evaluation

6 Videos (Gesamt 76 min), 1 Lektüre, 2 Quiz
6 Videos
Unary Data Evaluation11m
Temporal Evaluation of Recommenders (Interview with Neal Lathia)12m
Programming Assignment Introduction8m
1 Lektüren
Evaluating Recommenders10m
2 praktische Übungen
Offline Evaluation and Metrics Quiz22m
Programming Assignment Quiz28m
Woche
3
1 Stunden zum Abschließen

Online Evaluation

4 Videos (Gesamt 66 min), 1 Quiz
4 Videos
User-Centered Evaluation (Interview with Bart Knijnenburg)25m
1 praktische Übungen
Online Evaluation Quiz8m
Woche
4
1 Stunden zum Abschließen

Evaluation Design

3 Videos (Gesamt 31 min), 2 Lektüren, 1 Quiz
2 Lektüren
Intro to Assignment: Evaluation Design Cases10m
Quiz Debrief10m
1 praktische Übungen
Assignment: Evaluation Design Cases12m
4.3
22 BewertungenChevron Right

Top reviews from Recommender Systems: Evaluation and Metrics

von LLJul 19th 2017

wonderful!!! They teach a lot what I did not expect!

Dozenten

Avatar

Michael D. Ekstrand

Assistant Professor
Dept. of Computer Science, Boise State University
Avatar

Joseph A Konstan

Distinguished McKnight Professor and Distinguished University Teaching Professor
Computer Science and Engineering

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 die 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..