Acerca de este Programa Especializado

9,447 vistas recientes
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.
Resultados profesionales del estudiante
60%
Comenzaste una nueva carrera profesional después de completar este programa especializado.
12%
Conseguiste un aumento de sueldo o ascenso.
Certificado para compartir
Obtén un certificado al finalizar
Cursos 100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Cronograma flexible
Establece y mantén fechas de entrega flexibles.
Nivel intermedio
Aprox. 5 meses para completar
Sugerido 3 horas/semana
Inglés (English)
Subtítulos: Inglés (English)
Resultados profesionales del estudiante
60%
Comenzaste una nueva carrera profesional después de completar este programa especializado.
12%
Conseguiste un aumento de sueldo o ascenso.
Certificado para compartir
Obtén un certificado al finalizar
Cursos 100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Cronograma flexible
Establece y mantén fechas de entrega flexibles.
Nivel intermedio
Aprox. 5 meses para completar
Sugerido 3 horas/semana
Inglés (English)
Subtítulos: Inglés (English)

Hay 5 cursos en este Programa Especializado

Curso1

Curso 1

Introduction to Recommender Systems: Non-Personalized and Content-Based

4.5
estrellas
531 calificaciones
110 revisiones
Curso2

Curso 2

Nearest Neighbor Collaborative Filtering

4.2
estrellas
264 calificaciones
61 revisiones
Curso3

Curso 3

Recommender Systems: Evaluation and Metrics

4.4
estrellas
191 calificaciones
29 revisiones
Curso4

Curso 4

Matrix Factorization and Advanced Techniques

4.3
estrellas
155 calificaciones
24 revisiones

ofrecido por

Logotipo de Universidad de Minnesota

Universidad de Minnesota

Preguntas Frecuentes

  • Esta Especialización no otorga crédito universitario, pero algunas universidades pueden aceptar los Certificados de especializaciones 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.

  • 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! Para empezar, haz clic en la tarjeta del curso que te interesa e inscríbete. Puedes inscribirte y completar el curso para obtener un certificado que puedes compartir o puedes acceder al curso como oyente para ver los materiales del curso de manera gratuita. Cuando cancelas la suscripción de un curso que forma parte de un programa especializado, se cancela automáticamente la suscripción de todo el programa especializado. Visita el panel del estudiante para realizar un seguimiento de tu progreso.

  • 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.

  • Cuando te inscribes en el curso, tienes acceso a todos los cursos del programa especializado y obtienes un certificado cuando completas el trabajo. Si solo deseas leer y ver el contenido del curso, puedes participar del curso como oyente de manera gratuita. Si no puedes pagar la tarifa, puedes solicitar ayuda económica.

  • Este curso es completamente en línea, de modo que no necesitas ir a un aula en persona. Puedes acceder a tus lecciones, lecturas y tareas en cualquier momento y cualquier lugar a través de Internet o tu dispositivo móvil.

  • Basic statistics or college algebra, and an ability to work with spreadsheets. For the honors track, you should also be comfortable implementing software in Java.

  • While each component can be useful by itself, the courses do build on each other and should be taken in order.

  • The University of Minnesota does not offer credit for completing this specialization. If you are enrolled elsewhere, you may wish to speak with your advisor or program staff to find out whether this specialization could be used for independent study credit.

  • You will understand and be able to apply the major families of recommender algorithms: non-personalized, product association, content-based, nearest-neighbor, and matrix factorization. You will know and be able to apply a variety of recommender metrics, and will be able to use this knowledge to match the correct recommender system to appplications.

  • The honors track is an optional track where learners add programming recommenders in the open source LensKit toolkit. You should be comfortable with basic data structures, algorithms, and Java to attempt the honors track.

  • This specialization is an extended and updated version of the two prior versions of Introduction to Recommender Systems that we've offered through Coursera. About 50% of the video and 80% of the assessment material are new, and there is an honors track with programming assignments (which existed in the first version of the course only, and have been re-done for this specialization). The Capstone is entirely new.

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