In this course we will learn about Recommender Systems (which we will study for the Capstone project), and also look at deployment issues for data products. By the end of this course, you should be able to implement a working recommender system (e.g. to predict ratings, or generate lists of related products), and you should understand the tools and techniques required to deploy such a working system on real-world, large-scale datasets.
제공자:
Python Data Products for Predictive Analytics 특화 과정캘리포니아 샌디에고 대학교이 강좌에 대하여
최근 조회 16,766회
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 4개 강좌 중 4번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
완료하는 데 약 11시간 필요
영어
자막: 영어
배울 내용
Project structure of interactive Python data applications
Python web server frameworks: (e.g.) Flask, Django, Dash
Best practices around deploying ML models and monitoring performance
Deployment scripts, serializing models, APIs
귀하가 습득할 기술
Python ProgrammingBig Data ProductsRecommender Systems
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 4개 강좌 중 4번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
완료하는 데 약 11시간 필요
영어
자막: 영어
제공자:
캘리포니아 샌디에고 대학교
UC San Diego is an academic powerhouse and economic engine, recognized as one of the top 10 public universities by U.S. News and World Report. Innovation is central to who we are and what we do. Here, students learn that knowledge isn't just acquired in the classroom—life is their laboratory.
강의 계획 - 이 강좌에서 배울 내용
완료하는 데 2시간 필요
Introduction
Welcome to the first week of Deploying Machine Learning Models! We will go over the syllabus, download all course materials, and get your system up and running for the course. We will also introduce the basics of recommender systems and differentiate it from other types of machine learning
완료하는 데 2시간 필요
5개 동영상 (총 54분), 3 개의 읽기 자료, 3 개의 테스트
5개의 동영상
Recommender Systems versus Other Forms of Supervised Learning7m
Collaborative Filtering-Based Recommendation19m
Latent Factor Models (Part 1)11m
Latent Factor Models (Part 2)11m
3개의 읽기 자료
Syllabus10m
Course Materials10m
Setting Up Your System10m
3개 연습문제
Review: Recommender Systems4m
Review: Introduction to Latent Factor Models4m
Recommender Systems and Latent Factor Models20m
완료하는 데 1시간 필요
Implementing Recommender Systems
This week, we will learn how to implement a similarity-based recommender, returning predictions similar to an user's given item. We will cover how to optimize these models based on gradient descent and Jaccard similarity.
완료하는 데 1시간 필요
4개 동영상 (총 36분)
4개의 동영상
Similarity-Based Recommender for Rating Prediction7m
Implementing a Latent Factor Model (Part 1)11m
Implementing a Latent Factor Model (Part 2)6m
3개 연습문제
Review: Similarity-Based Recommenders5m
Review: Implementing Latent Factor Models4m
Implementing Recommender Systems10m
완료하는 데 1시간 필요
Deploying Recommender Systems
This week, we will learn about Python web server frameworks and the overall structure of interactive Python data applications. We will also cover some tips for best practices on deploying and monitoring your applications.
완료하는 데 1시간 필요
3개 동영상 (총 17분), 1 개의 읽기 자료, 2 개의 테스트
1개의 읽기 자료
Setting up Your Workspace with Docker: Django10m
2개 연습문제
Review: Flask and Django30m
Deploying Recommender Systems5m
완료하는 데 2시간 필요
Project 4: Recommender System
For this final project, you will build a recommender system of your own. Find a dataset, clean it, and create a predictive system from the dataset. This will help prepare you for the upcoming capstone, where you will harness your skills from all courses of this specialization into one single project!
완료하는 데 2시간 필요
2 개의 읽기 자료
2개의 읽기 자료
Project Description10m
How to Find a Dataset10m
Python Data Products for Predictive Analytics 특화 과정 정보
Python data products are powering the AI revolution. Top companies like Google, Facebook, and Netflix use predictive analytics to improve the products and services we use every day. Take your Python skills to the next level and learn to make accurate predictions with data-driven systems and deploy machine learning models with this four-course Specialization from UC San Diego.
This Specialization is for learners who are proficient with the basics of Python. You’ll start by creating your first data strategy. You’ll also develop statistical models, devise data-driven workflows, and learn to make meaningful predictions for a wide-range of business and research purposes. Finally, you’ll use design thinking methodology and data science techniques to extract insights from a wide range of data sources. This is your chance to master one of the technology industry’s most in-demand skills.
Python Data Products for Predictive Analytics is taught by Professor Ilkay Altintas, Ph.D. and Julian McAuley. Dr. Alintas is a prominent figure in the data science community and the designer of the highly-popular Big Data Specialization on Coursera. She has helped educate hundreds of thousands of learners on how to unlock value from massive datasets.
자주 묻는 질문
강의 및 과제를 언제 이용할 수 있게 되나요?
강좌에 등록하면 바로 모든 비디오, 테스트 및 프로그래밍 과제(해당하는 경우)에 접근할 수 있습니다. 상호 첨삭 과제는 이 세션이 시작된 경우에만 제출하고 검토할 수 있습니다. 강좌를 구매하지 않고 살펴보기만 하면 특정 과제에 접근하지 못할 수 있습니다.
이 전문 분야를 구독하면 무엇을 이용할 수 있나요?
강좌를 등록하면 전문 분야의 모든 강좌에 접근할 수 있고 강좌를 완료하면 수료증을 취득할 수 있습니다. 전자 수료증이 성취도 페이지에 추가되며 해당 페이지에서 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다. 강좌 내용만 읽고 살펴보려면 해당 강좌를 무료로 청강할 수 있습니다.
환불 규정은 어떻게 되나요?
구독하는 경우, 취소해도 요금이 청구되지 않는 7일간의 무료 평가판을 이용할 수 있습니다. 해당 기간이 지난 후에는 환불이 되지 않지만, 언제든 구독을 취소할 수 있습니다. 전체 환불 정책 보기.
재정 지원을 받을 수 있나요?
예, Coursera에서는 수업료를 낼 수 없는 학습자를 위해 재정 지원을 제공합니다. 왼쪽에 있는 등록 버튼 아래 재정 지원 링크를 클릭하면 지원할 수 있습니다. 신청서를 작성하라는 메시지가 표시되며 승인되면 알림을 받습니다. 성취 프로젝트를 포함하여 전문 분야의 각 강좌에서 이 단계를 완료해야 합니다. 자세히 알아보기.
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.
