In this course you will learn a variety of matrix factorization and hybrid machine learning techniques for recommender systems. Starting with basic matrix factorization, you will understand both the intuition and the practical details of building recommender systems based on reducing the dimensionality of the user-product preference space. Then you will learn about techniques that combine the strengths of different algorithms into powerful hybrid recommenders.
이 강좌는 추천 시스템 전문 분야의 일부입니다.
Matrix Factorization and Advanced Techniques
제공자:
About this Course
최근 조회 7,067회
학습자 경력 결과
50%
이 강좌를 통해 확실한 경력상 이점 얻기
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 전문 분야의 5개 강좌 중 4번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
완료하는 데 약 8시간 필요
권장: 11 hours/week
영어
자막: 영어
학습자 경력 결과
50%
이 강좌를 통해 확실한 경력상 이점 얻기
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 전문 분야의 5개 강좌 중 4번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
완료하는 데 약 8시간 필요
권장: 11 hours/week
영어
자막: 영어
제공자:
미네소타 대학교
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.
강의 계획 - 이 강좌에서 배울 내용
완료하는 데 1시간 필요
Matrix Factorization (Part 1)
This is a two-part, two-week module on matrix factorization recommender techniques. It includes an assignment and quiz (both due in the second week), and an honors assignment (also due in the second week). Please pace yourself carefully -- it will be difficult to finish in two weeks unless you start the assignments during the first week.
완료하는 데 1시간 필요
5개 동영상 (총 70분), 1 reading
5개의 동영상
Singular Value Decomposition17m
Gradient Descent Techniques17m
Deriving FunkSVD11m
Probabilistic Matrix Factorization10m
1개의 읽기 자료
On Folding-In with Gradient Descent10m
완료하는 데 4시간 필요
Matrix Factorization (Part 2)
완료하는 데 4시간 필요
2개 동영상 (총 15분), 2 readings, 6 quizzes
2개의 읽기 자료
Assignment Instructions10m
Intro - Programming Matrix Factorization10m
5개 연습문제
Matrix Factorization Assignment Part l10m
Matrix Factorization Assignment Part ll10m
Matrix Factorization Assignment Part lll10m
Matrix Factorization Quiz8m
SVD Programming Eval Quiz6m
완료하는 데 2시간 필요
Hybrid Recommenders
This is a three-part, two-week module on hybrid and machine learning recommendaton algorithms and advanced recommender techniques. It includes a quiz (due in the second week), and an honors assignment (also due in the second week). Please pace yourself carefully -- it will be difficult to finish the honors track in two weeks unless you start the assignments during the first week.
완료하는 데 2시간 필요
6개 동영상 (총 96분)
6개의 동영상
Hybrids with Robin Burke16m
Hybridization through Matrix Factorization15m
Matrix Factorization Hybrids with George Karypis17m
Interview with Arindam Banerjee15m
Interview with Yehuda Koren22m
검토
4.3
MATRIX FACTORIZATION AND ADVANCED TECHNIQUES의 최상위 리뷰
AG 제공Jun 9, 2018
Programming Assignments are not clear enough and the quiz for the last one seems to be a bit off.
LL 제공Jul 18, 2017
great courses! They invite a lot of interviews to let me understand the sea of recommend system!
AA 제공Aug 13, 2017
Interview with Francesco Ricci\n\nis very knowledgeable about context aware Recommender System.
SL 제공Sep 11, 2019
It will be great, if we can do honor's track with Python or R
추천 시스템 전문 분야 정보
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.
This Specialization is designed to serve both the data mining expert who would want to implement techniques like collaborative filtering in their job, as well as the data literate marketing professional, who would want to gain more familiarity with these topics.
The courses offer interactive, spreadsheet-based exercises to master different algorithms, along with an honors track where you can go into greater depth using the LensKit open source toolkit.
By the end of this Specialization, you’ll be able to implement as well as evaluate recommender systems. The Capstone Project brings together the course material with a realistic recommender design and analysis project.
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?
재정 지원을 받을 수 있나요?
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.
