この専門講座について

10,249 最近の表示
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.
受講生の就業成果
60%
この専門講座終了後に新しいキャリアをスタートしました
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%オンラインコース
自分のスケジュールですぐに学習を始めてください。
フレキシブルなスケジュール
柔軟性のある期限の設定および維持
中級レベル
約5か月で修了
推奨3時間/週
英語
字幕:英語
受講生の就業成果
60%
この専門講座終了後に新しいキャリアをスタートしました
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%オンラインコース
自分のスケジュールですぐに学習を始めてください。
フレキシブルなスケジュール
柔軟性のある期限の設定および維持
中級レベル
約5か月で修了
推奨3時間/週
英語
字幕:英語

この専門講座には5コースあります。

コース1

コース 1

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

4.5
541件の評価
111件のレビュー
コース2

コース 2

Nearest Neighbor Collaborative Filtering

4.3
272件の評価
62件のレビュー
コース3

コース 3

Recommender Systems: Evaluation and Metrics

4.3
195件の評価
29件のレビュー
コース4

コース 4

Matrix Factorization and Advanced Techniques

4.3
158件の評価
24件のレビュー

提供:

ミネソタ大学(University of Minnesota) ロゴ

ミネソタ大学(University of Minnesota)

よくある質問

  • If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.

  • サブスクライブすると、7日間の無料トライアルを体験できます。この期間中は解約金なしでキャンセルできます。それ以降、払い戻しはありませんが、サブスクリプションをいつでもキャンセルできます。返金ポリシーをすべて表示します

  • はい。まず始めに興味のあるコースカードをクリックして登録します。コースに登録して修了することによって、共有できる修了証を取得するか、無料でコースを聴講してコースの教材を確認することができます。専門講座の一部であるコースにサブスクライブすると、専門講座全体に自動的にサブスクライブされます。進捗を追跡するには、受講生のダッシュボードにアクセスしてください。

  • 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

  • コースに登録すると専門講座のすべてのコースにアクセスできるようになり、コースを修了すると修了証を取得できます。コース内容の閲覧のみを希望する場合は、無料でコースを聴講することができます。受講料の支払いが難しい場合は、学資援助を申請することができます

  • このコースは完全にオンラインで提供されているため、実際に教室に出席する必要はありません。Webまたはモバイル機器からいつでもどこからでも講義、学習用教材、課題にアクセスできます。

  • Basic statistics or college algebra, and an ability to work with spreadsheets. For the honors track, you should also be comfortable implementing software in Java.

  • While each component can be useful by itself, the courses do build on each other and should be taken in order.

  • The University of Minnesota does not offer credit for completing this specialization. If you are enrolled elsewhere, you may wish to speak with your advisor or program staff to find out whether this specialization could be used for independent study credit.

  • You will understand and be able to apply the major families of recommender algorithms: non-personalized, product association, content-based, nearest-neighbor, and matrix factorization. You will know and be able to apply a variety of recommender metrics, and will be able to use this knowledge to match the correct recommender system to appplications.

  • The honors track is an optional track where learners add programming recommenders in the open source LensKit toolkit. You should be comfortable with basic data structures, algorithms, and Java to attempt the honors track.

  • This specialization is an extended and updated version of the two prior versions of Introduction to Recommender Systems that we've offered through Coursera. About 50% of the video and 80% of the assessment material are new, and there is an honors track with programming assignments (which existed in the first version of the course only, and have been re-done for this specialization). The Capstone is entirely new.

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。