이 강좌에 대하여

최근 조회 4,626
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계

Basic knowledge of recommender systems. Some acquaintance with the most basic programming languages (like Python). Basic notions of linear algebra.

완료하는 데 약 15시간 필요
영어

배울 내용

  • You will be able to use some machine learning and neural network techniques, in order to build more sophisticated recommender systems.

  • You will learn how to combine different basic approaches into a hybrid recommender system, in order to improve the quality of recommendations.

  • You will know how to integrate different kinds of side information (about content or context) in a recommender system.

  • You'll learn how to use factorization machines and represent the input data, mixing together different kinds of filtering techniques.

공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계

Basic knowledge of recommender systems. Some acquaintance with the most basic programming languages (like Python). Basic notions of linear algebra.

완료하는 데 약 15시간 필요
영어

제공자:

Placeholder

EIT 디지털

Placeholder

밀라노 국립건축대학

강의 계획 - 이 강좌에서 배울 내용

1

1

완료하는 데 3시간 필요

ADVANCED COLLABORATIVE FILTERING

완료하는 데 3시간 필요
7개 동영상 (총 20분), 2 개의 읽기 자료, 3 개의 테스트
2

2

완료하는 데 2시간 필요

SINGULAR VALUE DECOMPOSITION TECHNIQUES - SVD

완료하는 데 2시간 필요
8개 동영상 (총 26분)
3

3

완료하는 데 3시간 필요

HYBRID AND CONTEXT AWARE RECOMMENDER SYSTEMS

완료하는 데 3시간 필요
10개 동영상 (총 24분)
4

4

완료하는 데 3시간 필요

FACTORIZATION MACHINES

완료하는 데 3시간 필요
7개 동영상 (총 20분)

자주 묻는 질문

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.