이 전문 분야 정보

최근 조회 8,897
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.
학습자 경력 결과
60%
이 특화 과정을(를) 수료한 후 새로운 경력을 시작함
12%
급여 인상 또는 승진하기
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인 강좌
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
유동적 일정
유연한 마감을 설정하고 유지 관리합니다.
중급 단계
완료하는 데 약 5개월 필요
매주 3시간 권장
영어
학습자 경력 결과
60%
이 특화 과정을(를) 수료한 후 새로운 경력을 시작함
12%
급여 인상 또는 승진하기
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인 강좌
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
유동적 일정
유연한 마감을 설정하고 유지 관리합니다.
중급 단계
완료하는 데 약 5개월 필요
매주 3시간 권장
영어

이 전문 분야에는 5개의 강좌가 있습니다.

강좌1

강좌 1

Introduction to Recommender Systems: Non-Personalized and Content-Based

4.5
별점
555개의 평가
117개의 리뷰
강좌2

강좌 2

Nearest Neighbor Collaborative Filtering

4.3
별점
278개의 평가
63개의 리뷰
강좌3

강좌 3

Recommender Systems: Evaluation and Metrics

4.3
별점
203개의 평가
29개의 리뷰
강좌4

강좌 4

Matrix Factorization and Advanced Techniques

4.3
별점
162개의 평가
24개의 리뷰

제공자:

Placeholder

미네소타 대학교

자주 묻는 질문

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.