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.
提供方
推荐系统 專項課程明尼苏达大学課程信息
8,199 次近期查看
可分享的證書
完成後獲得證書
100% 在線
立即開始，按照自己的計劃學習。
第 2 門課程（共 5 門）
可靈活調整截止日期
根據您的日程表重置截止日期。
完成時間大約為15 小時
英語（English）
字幕：英語（English）
可分享的證書
完成後獲得證書
100% 在線
立即開始，按照自己的計劃學習。
第 2 門課程（共 5 門）
可靈活調整截止日期
根據您的日程表重置截止日期。
完成時間大約為15 小時
英語（English）
字幕：英語（English）
提供方
明尼苏达大学
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.
教學大綱 - 您將從這門課程中學到什麼
完成時間為 13 分鐘
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.
完成時間為 13 分鐘
1 個視頻 （總計 3 分鐘）, 1 個閱讀材料
1 個視頻
1 個閱讀材料
Course Structure Outline10分鐘
完成時間為 1 小時
User-User Collaborative Filtering Recommenders Part 1
完成時間為 1 小時
5 個視頻 （總計 85 分鐘）
5 個視頻
Configuring User-User Collaborative Filtering9分鐘
Influence Limiting and Attack Resistance; Interview with Paul Resnick21分鐘
Trust-Based Recommendation; Interview with Jen Golbeck15分鐘
Impact of Bad Ratings; Interview with Dan Cosley13分鐘
完成時間為 5 小時
User-User Collaborative Filtering Recommenders Part 2
完成時間為 5 小時
2 個視頻 （總計 13 分鐘）, 2 個閱讀材料, 3 個測驗
2 個視頻
Programming Assignment - Programming User-User Collaborative Filtering4分鐘
2 個閱讀材料
Assignment Instructions: User-User CF10分鐘
Introducing User-User CF Programming Assignment10分鐘
2 個練習
User-User CF Answer Sheet30分鐘
User-User Collaborative Filtering Quiz30分鐘
完成時間為 1 小時
Item-Item Collaborative Filtering Recommenders Part 1
完成時間為 1 小時
6 個視頻 （總計 70 分鐘）
6 個視頻
Item-Item Algorithm16分鐘
Item-Item on Unary Data6分鐘
Item-Item Hybrids and Extensions4分鐘
Strengths and Weaknesses of Item-Item Collaborative Filtering9分鐘
Interview with Brad Miller16分鐘
完成時間為 6 小時
Item-Item Collaborative Filtering Recommenders Part 2
完成時間為 6 小時
2 個視頻 （總計 10 分鐘）, 2 個閱讀材料, 5 個測驗
2 個視頻
Programming Assignment - Programming Item-Item Collaborative Filtering4分鐘
2 個閱讀材料
Item-Based CF Assignment Instructions10分鐘
Introducing Item-Item CF Programming Assignment10分鐘
4 個練習
Item Based Assignment Part l30分鐘
Item Based Assignment Part II30分鐘
Item Based Assignment Part III30分鐘
Item Based Assignment Part IV30分鐘
完成時間為 2 小時
Advanced Collaborative Filtering Topics
完成時間為 2 小時
5 個視頻 （總計 73 分鐘）
5 個視頻
Recommending for Groups: Interview with Anthony Jameson14分鐘
Threat Models11分鐘
Explanations16分鐘
Explanations, Part II: Interview with Nava Tintarev17分鐘
1 個練習
Item-Based and Advanced Collaborative Filtering Topics Quiz30分鐘
審閱
來自NEAREST NEIGHBOR COLLABORATIVE FILTERING的熱門評論
由 NS 提供2019年12月11日
i found this course very helpful and informative. it explains the theory while providing real-world examples on recommender systems. the assignment helps in clearing up any confusion with the material
由 SS 提供2019年3月30日
Thank you so very much to open my eye see more view of recommendation field not only algorithms but use case and many trouble-shooting in worldwide business, moreover interview with noble professor.
由 DG 提供2020年2月1日
I found this course very informative and clears lot of concept in Item based and used based collaborative filtering. Spreadsheet assignment helped me to clearly understand the algorithms.
由 NR 提供2018年2月3日
Extremely informative course! It would be great if the assignments are created on python or R in the next season's offering. Thanks for the knowledge!
關於 推荐系统 專項課程
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.
常見問題
我什么时候能够访问课程视频和作业？
讲座和作业的访问权限取决于您的注册类型。如果您以旁听模式参加课程，则可以免费查看大多数课程资料。要访问评分作业并获得证书，您需要在旁听期间或之后购买证书体验。如果看不到旁听选项：
- 课程可能不提供旁听选项。您可以尝试免费试用，也可以申请助学金。
- 课程可能会改为提供'完整课程，没有证书'。通过此选项，您可以查看所有课程材料、提交所要求的作业，以及获得最终成绩。这也意味着您将无法购买证书体验。
我订阅此专项课程后会得到什么？
您注册课程后，将有权访问专项课程中的所有课程，并且会在完成课程后获得证书。您的电子课程证书将添加到您的成就页中，您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容，可以免费旁听课程。
Is financial aid available?
是的，Coursera 可以为无法承担费用的学生提供助学金。通过点击左侧“注册”按钮下的“助学金”链接可以申请助学金。您可以根据屏幕提示完成申请，申请获批后会收到通知。您需要针对专项课程中的每一门课程完成上述步骤，包括毕业项目。了解更多。
完成课程后，我会获得大学学分吗？
此课程不提供大学学分，但部分大学可能会选择接受课程证书作为学分。查看您的合作院校，了解详情。Coursera 上的在线学位和 Mastertrack™ 证书提供获得大学学分的机会。
還有其他問題嗎？請訪問 學生幫助中心。
