University of Minnesota
Introduction to Recommender Systems: Non-Personalized and Content-Based
University of Minnesota

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

Ce cours fait partie de Spécialisation Recommender Systems

Joseph A Konstan
Michael D. Ekstrand

Instructeurs : Joseph A Konstan

39 022 déjà inscrits

Inclus avec Coursera Plus

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.4

(644 avis)

niveau Intermédiaire
Certaines connaissances prérequises
Planning flexible
Env. 23 heures
Apprenez à votre propre rythme
89%
La plupart des apprenants ont aimé ce cours
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.4

(644 avis)

niveau Intermédiaire
Certaines connaissances prérequises
Planning flexible
Env. 23 heures
Apprenez à votre propre rythme
89%
La plupart des apprenants ont aimé ce cours

Compétences que vous acquerrez

  • Catégorie : Summary Statistics
  • Catégorie : Term Frequency Inverse Document Frequency (TF-IDF)
  • Catégorie : Microsoft Excel
  • Catégorie : Recommender Systems

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

12 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Emplacement réservé

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation Recommender Systems
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
  • Apprenez de nouveaux concepts auprès d'experts du secteur
  • Acquérez une compréhension de base d'un sujet ou d'un outil
  • Développez des compétences professionnelles avec des projets pratiques
  • Obtenez un certificat professionnel partageable
Emplacement réservé
Emplacement réservé

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

Emplacement réservé

Il y a 6 modules dans ce cours

This brief module introduces the topic of recommender systems (including placing the technology in historical context) and provides an overview of the structure and coverage of the course and specialization.

Inclus

2 vidéos1 lecture

This module introduces recommender systems in more depth. It includes a detailed taxonomy of the types of recommender systems, and also includes tours of two systems heavily dependent on recommender technology: MovieLens and Amazon.com. There is an introductory assessment in the final lesson to ensure that you understand the core concepts behind recommendations before we start learning how to compute them.

Inclus

9 vidéos2 lectures2 devoirs

In this module, you will learn several techniques for non- and lightly-personalized recommendations, including how to use meaningful summary statistics, how to compute product association recommendations, and how to explore using demographics as a means for light personalization. There is both an assignment (trying out these techniques in a spreadsheet) and a quiz to test your comprehension.

Inclus

7 vidéos5 lectures8 devoirs1 devoir de programmation

The next topic in this course is content-based filtering, a technique for personalization based on building a profile of personal interests. Divided over two weeks, you will learn and practice the basic techniques for content-based filtering and then explore a variety of advanced interfaces and content-based computational techniques being used in recommender systems.

Inclus

8 vidéos

The assessments for content-based filtering include an assignment where you compute three types of profile and prediction using a spreadsheet and a quiz on the topics covered. The assignment is in three parts -- a written assignment, a video intro, and a "quiz" where you provide answers from your work to be automatically graded.

Inclus

2 vidéos3 lectures2 devoirs1 devoir de programmation

We close this course with a set of mathematical notation that will be helpful as we move forward into a wider range of recommender systems (in later courses in this specialization).

Inclus

2 vidéos1 lecture

Instructeurs

Évaluations de l’enseignant
4.6 (60 évaluations)
Joseph A Konstan
University of Minnesota
11 Cours210 536 apprenants
Michael D. Ekstrand
University of Minnesota
6 Cours109 385 apprenants

Offert par

Recommandé si vous êtes intéressé(e) par Machine Learning

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 644

4.4

644 avis

  • 5 stars

    60,31 %

  • 4 stars

    29,45 %

  • 3 stars

    6,35 %

  • 2 stars

    2,01 %

  • 1 star

    1,86 %

IP
5

Révisé le 18 sept. 2016

DP
5

Révisé le 7 déc. 2017

AS
4

Révisé le 15 août 2019

Emplacement réservé

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