Este curso forma parte de Programa especializado: Sistemas de recomendación

4.3
estrellas
303 calificaciones

Joseph A Konstan +1 instructores más

13.911 ya inscrito

Ofrecido Por

Programa especializado: Sistemas de recomendaciónUniversidad de Minnesota

Acerca de este Curso

3794 vistas recientes

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.

Fechas límite flexibles

Restablece las fechas límite en función de tus horarios.

Certificado para compartir

Obtén un certificado al finalizar

100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Curso 2 de 5 en

Programa especializado: Sistemas de recomendación

Aprox. 14 horas para completar

Inglés (English)

¿Podría tu empresa beneficiarse de la capacitación de los empleados en las habilidades más demandadas?

Prueba Coursera para negocios

Fechas límite flexibles

Restablece las fechas límite en función de tus horarios.

Certificado para compartir

Obtén un certificado al finalizar

100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Curso 2 de 5 en

Programa especializado: Sistemas de recomendación

Aprox. 14 horas para completar

Inglés (English)

¿Podría tu empresa beneficiarse de la capacitación de los empleados en las habilidades más demandadas?

Prueba Coursera para negocios

Instructores

Calificación del instructor

4,53/5 (14 calificaciones)

Joseph A Konstan

Distinguished McKnight Professor and Distinguished University Teaching Professor

Computer Science and Engineering

191.646 alumnos

11 cursos

Michael D. Ekstrand

Assistant Professor

Dept. of Computer Science, Boise State University

105.128 alumnos

6 cursos

Ofrecido por

Universidad de 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.

Mira cómo los empleados de las mejores empresas dominan las habilidades más demandadas

Obtén más información sobre Coursera para Empresas

Programa - Qué aprenderás en este curso

Semana1

Semana 1

13 minutos para completar

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 minutos para completar

1 video (Total 3 minutos), 1 lectura

1 hora para completar

User-User Collaborative Filtering Recommenders Part 1

1 hora para completar

5 videos (Total 85 minutos)

Semana2

Semana 2

5 horas para completar

User-User Collaborative Filtering Recommenders Part 2

5 horas para completar

2 videos (Total 13 minutos), 2 lecturas, 3 cuestionarios

Semana3

Semana 3

1 hora para completar

Item-Item Collaborative Filtering Recommenders Part 1

1 hora para completar

6 videos (Total 70 minutos)

Semana4

Semana 4

6 horas para completar

Item-Item Collaborative Filtering Recommenders Part 2

6 horas para completar

2 videos (Total 10 minutos), 2 lecturas, 5 cuestionarios

2 horas para completar

Advanced Collaborative Filtering Topics

2 horas para completar

5 videos (Total 73 minutos)

Reseñas

4.3

68 reseña

5 stars
53,79 %
4 stars
29,04 %
3 stars
11,55 %
2 stars
2,64 %
1 star
2,97 %

Principales reseñas sobre NEAREST NEIGHBOR COLLABORATIVE FILTERING

por EM24 de oct. de 2016

Very good content ! Very interesting interviews with expert in the field that shows real examples. However the exercise needs a bit more work to be very useful.

por PS7 de ene. de 2017

I love it. Would be cool to be able download all materials in one big .zip file (e.g for searching using grep) ;-)

por LL19 de jul. de 2017

a great class, I learned some insight in these algorithms

por HE12 de dic. de 2017

everything best. But technical support in Forum and when a student needs help when he is learning in Vienna alone is the worst

thanks very much !

Ver todas las reseñas

Acerca de Programa especializado: Sistemas de recomendación

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.

Preguntas Frecuentes

¿Cuándo podré acceder a las lecciones y tareas?
El acceso a las clases y las asignaciones depende del tipo de inscripción que tengas. Si tomas un curso en modo de oyente, verás la mayoría de los materiales del curso en forma gratuita. Para acceder a asignaciones calificadas y obtener un certificado, deberás comprar la experiencia de Certificado, ya sea durante o después de participar como oyente. Si no ves la opción de oyente:
es posible que el curso no ofrezca la opción de participar como oyente. En cambio, puedes intentar con una Prueba gratis o postularte para recibir ayuda económica.
Es posible que el curso ofrezca la opción 'Curso completo, sin certificado'. Esta opción te permite ver todos los materiales del curso, enviar las evaluaciones requeridas y obtener una calificación final. También significa que no podrás comprar una experiencia de Certificado.
¿Qué recibiré si me suscribo a este Programa especializado?
Cuando te inscribes en un curso, obtienes acceso a todos los cursos que forman parte del Programa especializado y te darán un Certificado cuando completes el trabajo. Se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes auditar el curso sin costo.
¿Hay ayuda económica disponible?
Sí. En ciertos programas de aprendizaje, puedes postularte para recibir ayuda económica o una beca en caso de no poder costear los gastos de la tarifa de inscripción. Si hay ayuda económica o becas disponibles para tu selección de programa de aprendizaje, verás un enlace para postularte en la página de descripción.

¿Tienes más preguntas? Visita el Centro de Ayuda al Estudiante.

Desarrolla habilidades para tus empleados e impulsa los resultados de la empresa

Descubre Coursera para Empresas

Nearest Neighbor Collaborative Filtering

Acerca de este Curso