Le cours Basic Recommender Systems vous présente les principales approches en matière de systèmes de recommandation. Les techniques décrites touchent à la fois les approches collaboratives et les approches basées sur le contenu et incluent les algorithmes les plus importants utilisés pour fournir des recommandations. Vous apprendrez comment ils fonctionnent, comment les utiliser et comment les évaluer, en soulignant les avantages et les limites des différents systèmes de recommandation.
Systèmes de recommandation de base
Durée limitée ! Obtenez Coursera Plus avec 30 % de réduction.
Réinitialiser. Réinventer. Atteindre de nouveaux objectifs professionnels. Profitez de votre offre maintenant.
Systèmes de recommandation de base
Enseigné en Anglais
Certains éléments de contenu peuvent ne pas être traduits
3 335 déjà inscrits
4.3
(41 avis)
niveau Intermédiaire
Expérience recommandée
11 heures pour terminer
3 semaines à 3 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Ce que vous apprendrez
Vous serez en mesure de construire un système de recommandation de base.
Vous pourrez choisir la famille de systèmes de recommandation qui convient le mieux au type de données d'entrée, aux objectifs et aux besoins.
Vous apprendrez à identifier les activités d'évaluation correctes pour mesurer la qualité d'un système de recommandation, en fonction des objectifs et des besoins.
Vous serez en mesure de souligner les avantages et les limites des différentes techniques pour les systèmes de recommandation dans différents scénarios.
Détails à connaître
Certificat partageable
Ajouter à votre profil LinkedIn
Évaluations
4 quizzes
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 4 modules dans ce cours
Dans ce premier module, nous passerons en revue les concepts de base des systèmes de recommandation afin de classer et d'analyser différentes familles d'algorithmes, en fonction d'un ensemble spécifique de données d'entrée. À la fin, vous serez en mesure de choisir le type d'algorithme le plus approprié en fonction des données disponibles, de vos besoins et de vos objectifs. Inversement, vous saurez comment sélectionner les données d'entrée en fonction de l'algorithme que vous souhaitez utiliser.
Inclus
11 vidéos2 lectures1 quiz1 évaluation par les pairs2 sujets de discussion
Dans ce deuxième module, nous allons apprendre à définir et à mesurer la qualité d'un système de recommandation. Nous passerons en revue les différentes mesures qui peuvent être utilisées à cette fin. À la fin du module, vous serez en mesure d'identifier les activités d'évaluation nécessaires pour mesurer la qualité d'un système de recommandation donné, en fonction des objectifs et des besoins.
Inclus
12 vidéos1 quiz1 évaluation par les pairs2 sujets de discussion
Dans ce module, nous analyserons les techniques de recommandation basées sur le contenu. Ces algorithmes recommandent des articles similaires à ceux qu'un utilisateur a aimés dans le passé. Nous passerons en revue différentes fonctions de similarité et vous serez alors en mesure de choisir celle qui convient le mieux à votre système. La principale donnée d'entrée est la matrice article-contenu (ICM), qui décrit tous les attributs de chaque article. Nous verrons comment nous pouvons améliorer la qualité des techniques basées sur le contenu, en normalisant et en ajustant l'importance de chaque attribut dans la MCI : vous serez en mesure d'utiliser certaines stratégies d'ajustement spécifiques afin d'obtenir des recommandations de la meilleure qualité possible de la part de votre système. Ainsi, à la fin de ce module, vous saurez comment construire un système de recommandation basé sur le contenu, comment nettoyer et normaliser vos données d'entrée.
Inclus
9 vidéos1 quiz1 évaluation par les pairs2 sujets de discussion
Dans ce module, nous étudierons les techniques de filtrage collaboratif, qui utilisent la matrice d'évaluation des utilisateurs (User Rating Matrix, URM) comme principale donnée d'entrée, décrivant l'interaction entre les utilisateurs et les éléments. Nous apprendrons à construire des systèmes de recommandation non personnalisés et à normaliser l'URM afin de fournir de meilleures recommandations. À la fin du module, vous serez en mesure de sélectionner la fonction de similarité la plus appropriée et la manière la plus adéquate de calculer la similarité, en surmontant les problèmes liés aux évaluations explicites.
Inclus
9 vidéos1 quiz1 évaluation par les pairs2 sujets de discussion
Instructeur
Évaluations de l’enseignant
4.2 (7 évaluations)
Recommandé si vous êtes intéressé(e) par Analyse des Données
EIT Digital
University of Minnesota
Sungkyunkwan University
University of Minnesota
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Avis des étudiants
Affichage de 3 sur 41
4.3
41 avis
- 5 stars
65,85 %
- 4 stars
19,51 %
- 3 stars
4,87 %
- 2 stars
2,43 %
- 1 star
7,31 %
RT
5
Révisé le 24 oct. 2020
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
L'accès aux cours et aux devoirs dépend de votre type d'inscription. Si vous suivez un cours en mode audit, vous pourrez consulter gratuitement la plupart des supports de cours. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter l'expérience de certificat, pendant ou après votre audit. Si vous ne voyez pas l'option d'audit :
Il se peut que le cours ne propose pas d'option d'audit. Vous pouvez essayer un essai gratuit ou demander une aide financière.
Le cours peut proposer l'option "Cours complet, pas de certificat" à la place. Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la Specializations, et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez auditer le cours gratuitement.
Si vous vous êtes abonné, vous bénéficiez d'une période d'essai gratuite de 7 jours pendant laquelle vous pouvez annuler votre abonnement sans pénalité. Après cette période, nous ne remboursons pas, mais vous pouvez résilier votre abonnement à tout moment. Consultez notre politique de remboursement complète.