이 강좌에 대하여

최근 조회 22,016

학습자 경력 결과

60%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

40%

가 이 강좌를 통해 확실한 경력상 이점을 얻음

12%

가 급여 인상 또는 승진 성취
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 5개 강좌 중 1번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 23시간 필요
영어

귀하가 습득할 기술

Summary StatisticsTerm Frequency Inverse Document Frequency (TF-IDF)Microsoft ExcelRecommender Systems

학습자 경력 결과

60%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

40%

가 이 강좌를 통해 확실한 경력상 이점을 얻음

12%

가 급여 인상 또는 승진 성취
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 5개 강좌 중 1번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 23시간 필요
영어

제공자:

Placeholder

미네소타 대학교

강의 계획 - 이 강좌에서 배울 내용

콘텐츠 평가Thumbs Up90%(1,924개의 평가)Info
1

1

완료하는 데 1시간 필요

Preface

완료하는 데 1시간 필요
2개 동영상 (총 41분), 1 개의 읽기 자료
2개의 동영상
Intro to Course and Specialization13m
1개의 읽기 자료
Notes on Course Design and Relationship to Prior Courses10m
완료하는 데 4시간 필요

Introducing Recommender Systems

완료하는 데 4시간 필요
9개 동영상 (총 147분), 2 개의 읽기 자료, 2 개의 테스트
9개의 동영상
Preferences and Ratings17m
Predictions and Recommendations16m
Taxonomy of Recommenders I27m
Taxonomy of Recommenders II21m
Tour of Amazon.com21m
Recommender Systems: Past, Present and Future16m
Introducing the Honors Track7m
Honors: Setting up the development environment10m
2개의 읽기 자료
About the Honors Track10m
Downloads and Resources10m
2개 연습문제
Closing Quiz: Introducing Recommender Systems20m
Honors Track Pre-Quiz30m
2

2

완료하는 데 10시간 필요

Non-Personalized and Stereotype-Based Recommenders

완료하는 데 10시간 필요
7개 동영상 (총 111분), 5 개의 읽기 자료, 9 개의 테스트
7개의 동영상
Summary Statistics I16m
Summary Statistics II22m
Demographics and Related Approaches13m
Product Association Recommenders19m
Assignment #1 Intro Video14m
Assignment Intro: Programming Non-Personalized Recommenders17m
5개의 읽기 자료
External Readings on Ranking and Scoring10m
Assignment 1 Instructions: Non-Personalized and Stereotype-Based Recommenders10m
Assignment Intro: Programming Non-Personalized Recommenders10m
LensKit Resources10m
Rating Data Information10m
8개 연습문제
Assignment #1: Response #1: Top Movies by Mean Rating30m
Assignment #1: Response #2: Top Movies by Count30m
Assignment #1: Response #3: Top Movies by Percent Liking30m
Assignment #1: Response #4: Association with Toy Story30m
Assignment #1: Response #5: Correlation with Toy Story30m
Assignment #1: Response #6: Male-Female Differences in Average Rating30m
Assignment #1: Response #7: Male-Female differences in Liking30m
Non-Personalized Recommenders20m
3

3

완료하는 데 3시간 필요

Content-Based Filtering -- Part I

완료하는 데 3시간 필요
8개 동영상 (총 156분)
8개의 동영상
TFIDF and Content Filtering24m
Content-Based Filtering: Deeper Dive26m
Entree Style Recommenders -- Robin Burke Interview13m
Case-Based Reasoning -- Interview with Barry Smyth13m
Dialog-Based Recommenders -- Interview with Pearl Pu21m
Search, Recommendation, and Target Audiences -- Interview with Sole Pera11m
Beyond TFIDF -- Interview with Pasquale Lops21m
4

4

완료하는 데 6시간 필요

Content-Based Filtering -- Part II

완료하는 데 6시간 필요
2개 동영상 (총 26분), 3 개의 읽기 자료, 3 개의 테스트
2개의 동영상
Honors: Intro to programming assignment10m
3개의 읽기 자료
Content-Based Recommenders Spreadsheet Assignment (aka Assignment #2)1시간 20분
Tools for Content-Based Filtering10m
CBF Programming Intro10m
2개 연습문제
Assignment #2 Answer Form20m
Content-Based Filtering20m
완료하는 데 1시간 필요

Course Wrap-up

완료하는 데 1시간 필요
2개 동영상 (총 45분), 1 개의 읽기 자료
2개의 동영상
Psychology of Preference & Rating -- Interview with Martijn Willemsen31m
1개의 읽기 자료
Related Readings10m

검토

INTRODUCTION TO RECOMMENDER SYSTEMS: NON-PERSONALIZED AND CONTENT-BASED의 최상위 리뷰

모든 리뷰 보기

추천 시스템 특화 과정 정보

추천 시스템

자주 묻는 질문

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.