Aprenda a diseñar, construir y evaluar sistemas de recomendación para comercio y contenidos. Formación avanzada en el desarrollo de sistemas de recomendación para mejorar la experiencia del usuario.
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
Diseñado para servir como el primer curso sobre habilidades de sistemas de recomendación, este curso presenta la idea de los sistemas de recomendación, revisa varios ejemplos en detalle y lo guía a través de recomendaciones no optimizadas utilizando estadísticas resumidas y asociaciones de productos, recomendaciones basadas en estereotipos o demografía. y recomendaciones basadas en contenidos. Después de completar el curso, podrá calcular una variedad de recomendaciones a partir de datos utilizando herramientas básicas de hoja de cálculo y, si completa la pista especial, también programará estas recomendaciones utilizando la herramienta de recomendación abierta LensKit.
Además de conferencias detalladas y ejercicios interactivos, el curso incluye entrevistas con varios líderes en el campo de la investigación y la práctica sobre temas avanzados y tendencias actuales en los sistemas de recomendación.
En este tutorial aprenderá las técnicas básicas para recomendaciones personalizadas utilizando técnicas de vecino más cercano. Primero, aprenderá el filtrado colaborativo de usuarios, un algoritmo que identifica a otras personas con gustos similares a los de un usuario objetivo y combina sus calificaciones para recomendar productos a ese usuario. Explorará e implementará variaciones de este algoritmo y descubrirá las ventajas y desventajas del enfoque general. A continuación, aprenderá sobre un algoritmo de filtrado para compartir artículos, que identifica asociaciones generales entre productos a partir de las calificaciones de los usuarios, pero utiliza esas asociaciones para brindar recomendaciones personalizadas basadas en las calificaciones del propio usuario.
En este curso aprenderá a evaluar sistemas de recomendación. Familiarícese con varias familias de métricas, incluidas métricas para medir la precisión de las predicciones, la precisión de las clasificaciones, el apoyo a las decisiones y datos adicionales como variedad, cobertura de productos y sorpresas. Comprenda cómo se relacionan las diferentes métricas con los diferentes objetivos de usuario y comerciales. También aprenderá cómo realizar evaluaciones fuera de línea (es decir, cómo preparar y tomar muestras de datos, y cómo agregar resultados). También aprenderá sobre evaluación en línea (experimental). Al finalizar el curso, tendrá las herramientas para comparar diferentes opciones de sistemas de recomendación para una amplia variedad de usos.
En este curso aprenderá una variedad de técnicas de descomposición matricial y aprendizaje automático híbrido para sistemas de recomendación. A partir de una descomposición matricial básica, comprenderá tanto la comprensión como los detalles prácticos de la construcción de sistemas de recomendación basados en la reducción de la dimensionalidad del espacio de las preferencias del usuario y del producto. A continuación, aprenderá sobre técnicas que combinan las ventajas de diferentes algoritmos en potentes recomendadores híbridos.
Este curso final del proyecto de habilidades del sistema de recomendación combina todo lo que ha aprendido sobre los algoritmos y la evaluación del sistema de recomendación en un proyecto integral de diseño y análisis de recomendaciones. Recibirás un caso de investigación en el que tendrás que elegir y justificar el diseño del sistema de recomendación analizando los objetivos de la recomendación y el rendimiento del algoritmo. Los estudiantes de la pista especial se centrarán en la evaluación experimental de los algoritmos frente a conjuntos de datos medianos. La ruta estándar tendrá una combinación de resultados de proveedores e investigación en hojas de cálculo.
Ambos grupos crearon un informe final que documenta el análisis, la solución elegida y el fundamento de esta solución.
