Acerca de este Curso

27,347 vistas recientes

Resultados profesionales del estudiante

60%

comenzó una nueva carrera después de completar estos cursos

40%

consiguió un beneficio tangible en su carrera profesional gracias a este curso

12%

consiguió un aumento de sueldo o ascenso
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
Aprox. 20 horas para completar
Inglés (English)
Subtítulos: Inglés (English)

Habilidades que obtendrás

Summary StatisticsTerm Frequency Inverse Document Frequency (TF-IDF)Microsoft ExcelRecommender Systems

Resultados profesionales del estudiante

60%

comenzó una nueva carrera después de completar estos cursos

40%

consiguió un beneficio tangible en su carrera profesional gracias a este curso

12%

consiguió un aumento de sueldo o ascenso
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
Aprox. 20 horas para completar
Inglés (English)
Subtítulos: Inglés (English)

ofrecido por

Logotipo de Universidad de Minnesota

Universidad de Minnesota

Programa - Qué aprenderás en este curso

Calificación del contenidoThumbs Up90%(1,893 calificaciones)Info
Semana
1

Semana 1

1 hora para completar

Preface

1 hora para completar
2 videos (Total 41 minutos), 1 lectura
2 videos
Intro to Course and Specialization13m
1 lectura
Notes on Course Design and Relationship to Prior Courses10m
3 horas para completar

Introducing Recommender Systems

3 horas para completar
9 videos (Total 147 minutos), 2 lecturas, 2 cuestionarios
9 videos
Preferences and Ratings17m
Predictions and Recommendations16m
Taxonomy of Recommenders I27m
Taxonomy of Recommenders II21m
Tour of Amazon.com21m
Recommender Systems: Past, Present and Future16m
Introducing the Honors Track7m
Honors: Setting up the development environment10m
2 lecturas
About the Honors Track10m
Downloads and Resources10m
2 ejercicios de práctica
Closing Quiz: Introducing Recommender Systems20m
Honors Track Pre-Quiz2m
Semana
2

Semana 2

7 horas para completar

Non-Personalized and Stereotype-Based Recommenders

7 horas para completar
7 videos (Total 111 minutos), 5 lecturas, 9 cuestionarios
7 videos
Summary Statistics I16m
Summary Statistics II22m
Demographics and Related Approaches13m
Product Association Recommenders19m
Assignment #1 Intro Video14m
Assignment Intro: Programming Non-Personalized Recommenders17m
5 lecturas
External Readings on Ranking and Scoring10m
Assignment 1 Instructions: Non-Personalized and Stereotype-Based Recommenders10m
Assignment Intro: Programming Non-Personalized Recommenders10m
LensKit Resources10m
Rating Data Information10m
8 ejercicios de práctica
Assignment #1: Response #1: Top Movies by Mean Rating10m
Assignment #1: Response #2: Top Movies by Count10m
Assignment #1: Response #3: Top Movies by Percent Liking10m
Assignment #1: Response #4: Association with Toy Story10m
Assignment #1: Response #5: Correlation with Toy Story10m
Assignment #1: Response #6: Male-Female Differences in Average Rating10m
Assignment #1: Response #7: Male-Female differences in Liking8m
Non-Personalized Recommenders20m
Semana
3

Semana 3

3 horas para completar

Content-Based Filtering -- Part I

3 horas para completar
8 videos (Total 156 minutos)
8 videos
TFIDF and Content Filtering24m
Content-Based Filtering: Deeper Dive26m
Entree Style Recommenders -- Robin Burke Interview13m
Case-Based Reasoning -- Interview with Barry Smyth13m
Dialog-Based Recommenders -- Interview with Pearl Pu21m
Search, Recommendation, and Target Audiences -- Interview with Sole Pera11m
Beyond TFIDF -- Interview with Pasquale Lops21m
Semana
4

Semana 4

6 horas para completar

Content-Based Filtering -- Part II

6 horas para completar
2 videos (Total 26 minutos), 3 lecturas, 3 cuestionarios
2 videos
Honors: Intro to programming assignment10m
3 lecturas
Content-Based Recommenders Spreadsheet Assignment (aka Assignment #2)1h 20m
Tools for Content-Based Filtering10m
CBF Programming Intro10m
2 ejercicios de práctica
Assignment #2 Answer Form20m
Content-Based Filtering20m
1 hora para completar

Course Wrap-up

1 hora para completar
2 videos (Total 45 minutos), 1 lectura
2 videos
Psychology of Preference & Rating -- Interview with Martijn Willemsen31m
1 lectura
Related Readings10m

Revisiones

Principales revisiones sobre INTRODUCTION TO RECOMMENDER SYSTEMS: NON-PERSONALIZED AND CONTENT-BASED

Ver todos los comentarios

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....
Sistemas de recomendación

Preguntas Frecuentes

  • 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.
  • 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.

  • Si estás suscrito, obtienes una prueba gratis de 7 días, que podrás cancelar cuando desees sin ningún tipo de penalidad. Una vez transcurrido ese tiempo, no realizamos reembolsos. No obstante, puedes cancelar tu suscripción cuando quieras. Consulta nuestra política completa de reembolsos.

  • Sí, Coursera ofrece ayuda económica a los estudiantes que no pueden pagar la tarifa. Solicítala haciendo clic en el enlace de Ayuda económica que está debajo del botón “Inscribirse” a la izquierda. Se te pedirá que completes una solicitud. Recibirás una notificación en caso de que se apruebe. Deberás completar este paso para cada uno de los cursos que forman parte del Programa especializado, incluido el proyecto final. Obtén más información.

  • This specialization is a substantial extension and update of our original introductory course. It involves about 60% new and extended lectures and mostly new assignments and assessments. This course specifically has added material on stereotyped and demographic recommenders and on advanced techniques in content-based recommendation.

  • Este Curso no otorga crédito universitario, pero algunas universidades pueden aceptar los Certificados del curso para obtener crédito. Consulta con tu institución para obtener más información. Los Títulos en línea y los Certificados Mastertrack™ de Coursera brindan la oportunidad de obtener créditos universitarios.

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