This course, which is designed to serve as the first course in the Recommender Systems specialization, introduces the concept of recommender systems, reviews several examples in detail, and leads you through non-personalized recommendation using summary statistics and product associations, basic stereotype-based or demographic recommendations, and content-based filtering recommendations.
提供：
レコメンダシステム の専門講座ミネソタ大学（University of Minnesota）このコースについて
22,716 最近の表示
受講生の就業成果
60%
コース終了後に新しいキャリアをスタートした
40%
コースが具体的なキャリアアップにつながった
12%
昇給や昇進につながった
共有できる証明書
修了時に証明書を取得
100%オンライン
自分のスケジュールですぐに学習を始めてください。
次における5の1コース
柔軟性のある期限
スケジュールに従って期限をリセットします。
中級レベル
約23時間で修了
英語
字幕：フランス語, ポルトガル語（ブラジル）, ロシア語, 英語, スペイン語
習得するスキル
Summary StatisticsTerm Frequency Inverse Document Frequency (TF-IDF)Microsoft ExcelRecommender Systems
受講生の就業成果
60%
コース終了後に新しいキャリアをスタートした
40%
コースが具体的なキャリアアップにつながった
12%
昇給や昇進につながった
共有できる証明書
修了時に証明書を取得
100%オンライン
自分のスケジュールですぐに学習を始めてください。
次における5の1コース
柔軟性のある期限
スケジュールに従って期限をリセットします。
中級レベル
約23時間で修了
英語
字幕：フランス語, ポルトガル語（ブラジル）, ロシア語, 英語, スペイン語
提供：
ミネソタ大学（University of Minnesota）
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.
シラバス - 本コースの学習内容
1時間で修了
Preface
This brief module introduces the topic of recommender systems (including placing the technology in historical context) and provides an overview of the structure and coverage of the course and specialization.
1時間で修了
2件のビデオ （合計41分）, 1 reading
1件の学習用教材
Notes on Course Design and Relationship to Prior Courses10 分
4時間で修了
Introducing Recommender Systems
This module introduces recommender systems in more depth. It includes a detailed taxonomy of the types of recommender systems, and also includes tours of two systems heavily dependent on recommender technology: MovieLens and Amazon.com. There is an introductory assessment in the final lesson to ensure that you understand the core concepts behind recommendations before we start learning how to compute them.
4時間で修了
9件のビデオ （合計147分）, 2 readings, 2 quizzes
9件のビデオ
Preferences and Ratings17 分
Predictions and Recommendations16 分
Taxonomy of Recommenders I27 分
Taxonomy of Recommenders II21 分
Tour of Amazon.com21 分
Recommender Systems: Past, Present and Future16 分
Introducing the Honors Track7 分
Honors: Setting up the development environment10 分
2件の学習用教材
About the Honors Track10 分
Downloads and Resources10 分
2の練習問題
Closing Quiz: Introducing Recommender Systems20 分
Honors Track Pre-Quiz30 分
10時間で修了
Non-Personalized and Stereotype-Based Recommenders
In this module, you will learn several techniques for non- and lightly-personalized recommendations, including how to use meaningful summary statistics, how to compute product association recommendations, and how to explore using demographics as a means for light personalization. There is both an assignment (trying out these techniques in a spreadsheet) and a quiz to test your comprehension.
10時間で修了
7件のビデオ （合計111分）, 5 readings, 9 quizzes
7件のビデオ
Summary Statistics I16 分
Summary Statistics II22 分
Demographics and Related Approaches13 分
Product Association Recommenders19 分
Assignment #1 Intro Video14 分
Assignment Intro: Programming Non-Personalized Recommenders17 分
5件の学習用教材
External Readings on Ranking and Scoring10 分
Assignment 1 Instructions: Non-Personalized and Stereotype-Based Recommenders10 分
Assignment Intro: Programming Non-Personalized Recommenders10 分
LensKit Resources10 分
Rating Data Information10 分
8の練習問題
Assignment #1: Response #1: Top Movies by Mean Rating30 分
Assignment #1: Response #2: Top Movies by Count30 分
Assignment #1: Response #3: Top Movies by Percent Liking30 分
Assignment #1: Response #4: Association with Toy Story30 分
Assignment #1: Response #5: Correlation with Toy Story30 分
Assignment #1: Response #6: Male-Female Differences in Average Rating30 分
Assignment #1: Response #7: Male-Female differences in Liking30 分
Non-Personalized Recommenders20 分
3時間で修了
Content-Based Filtering -- Part I
The next topic in this course is content-based filtering, a technique for personalization based on building a profile of personal interests. Divided over two weeks, you will learn and practice the basic techniques for content-based filtering and then explore a variety of advanced interfaces and content-based computational techniques being used in recommender systems.
3時間で修了
8件のビデオ （合計156分）
8件のビデオ
TFIDF and Content Filtering24 分
Content-Based Filtering: Deeper Dive26 分
Entree Style Recommenders -- Robin Burke Interview13 分
Case-Based Reasoning -- Interview with Barry Smyth13 分
Dialog-Based Recommenders -- Interview with Pearl Pu21 分
Search, Recommendation, and Target Audiences -- Interview with Sole Pera11 分
Beyond TFIDF -- Interview with Pasquale Lops21 分
6時間で修了
Content-Based Filtering -- Part II
The assessments for content-based filtering include an assignment where you compute three types of profile and prediction using a spreadsheet and a quiz on the topics covered. The assignment is in three parts -- a written assignment, a video intro, and a "quiz" where you provide answers from your work to be automatically graded.
6時間で修了
2件のビデオ （合計26分）, 3 readings, 3 quizzes
2件のビデオ
Honors: Intro to programming assignment10 分
3件の学習用教材
Content-Based Recommenders Spreadsheet Assignment (aka Assignment #2)1 時間 20 分
Tools for Content-Based Filtering10 分
CBF Programming Intro10 分
2の練習問題
Assignment #2 Answer Form20 分
Content-Based Filtering20 分
1時間で修了
Course Wrap-up
We close this course with a set of mathematical notation that will be helpful as we move forward into a wider range of recommender systems (in later courses in this specialization).
1時間で修了
2件のビデオ （合計45分）, 1 reading
2件のビデオ
Psychology of Preference & Rating -- Interview with Martijn Willemsen31 分
1件の学習用教材
Related Readings10 分
レビュー
INTRODUCTION TO RECOMMENDER SYSTEMS: NON-PERSONALIZED AND CONTENT-BASED からの人気レビュー
BSにより2019年2月12日
One of the best courses I have taken on Coursera. Choosing Java for the lab exercises makes them inaccessible for many data scientists. Consider providing a Python version.
DPにより2017年12月7日
Nice introduction to recommender systems for those who have never heard about it before. No complex mathematical formula (which can also be seen by some as a downside).
IPにより2016年9月18日
it's a fantastic course that gives you a good idea of what the objectives of recommender systems are and some intuition on the way how it can be accomplished.
NAにより2020年4月6日
The course and its content was quite interesting and easy, so I will be taking the next course in this specialization of Recommender System Specialization
レコメンダシステム専門講座について
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.
よくある質問
いつ講座や課題にアクセスできるようになりますか？
講義と課題へのアクセスは、登録のタイプによって異なります。聴講モードでコースを受講すると、ほとんどのコース教材を無料で見ることができます。採点された課題にアクセスして修了証を取得するには、聴講中または聴講後に、修了証エクスペリエンスを購入する必要があります。聴講オプションが表示されない場合：
- コースは聴講オプションを提供していない可能性があります。代わりに無料トライアルをお試しいただくか、学資援助を申請することができます。
- コースは、聴講オプションを提供せずに「修了証なしフルコース」オプションを提供する場合があります。このオプションでは、すべてのコース教材が表示され、必須の評価を提出して、最終成績を取得することができます。この場合、修了証エクスペリエンスは購入できません。
この専門講座をサブスクライブすると何を行うことができるようになりますか？
コースに登録する際、専門講座のすべてのコースにアクセスできます。コースの完了時には修了証を取得できます。電子修了証が成果のページに追加され、そこから修了証を印刷したり、LinkedInのプロフィールに追加したりできます。コースの内容の閲覧のみを希望する場合は、無料でコースを聴講できます。
Is financial aid available?
はい。受講料の支払いが難しい受講生に、Coursera（コーセラ）は学資援助を提供しています。左側の［登録］ボタンの下にある［学資援助］のリンクをクリックして申請してください。申請書の入力を促すメッセージが表示され、承認されると通知が届きます。キャップストーンプロジェクトを含む専門講座の各コースでこのステップを完了する必要があります。詳細。
How does this course relate to the prior versions of "Introduction to Recommender Systems"?
This specialization is a substantial extension and update of our original introductory course. It involves about 60% new and extended lectures and mostly new assignments and assessments. This course specifically has added material on stereotyped and demographic recommenders and on advanced techniques in content-based recommendation.
さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。
