Leer aanbevelingssystemen voor commercie en inhoud ontwerpen, bouwen en evalueren. Geavanceerde training in de ontwikkeling van aanbevelingssystemen om de gebruikerservaring te verbeteren.
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
Deze cursus is bedoeld als de eerste cursus in aanbevelingssysteemvaardigheden en introduceert het idee van aanbevelingssystemen, bespreekt verschillende voorbeelden in detail en begeleidt u door niet-geoptimaliseerde aanbevelingen met behulp van samenvattende statistieken en productassociaties, op stereotype of demografisch gebaseerde aanbevelingen. en inhoudelijke aanbevelingen. Na voltooiing van de cursus kunt u uit gegevens een verscheidenheid aan aanbevelingen berekenen met behulp van eenvoudige spreadsheethulpmiddelen. Als u het speciale traject voltooit, kunt u deze aanbevelingen ook programmeren met behulp van de LensKit open aanbevelingstool.
Naast gedetailleerde lezingen en interactieve oefeningen omvat de cursus interviews met verschillende leiders op het gebied van onderzoek en praktijk over geavanceerde onderwerpen en huidige trends in aanbevelingssystemen.
In deze tutorial leer je de basistechnieken voor gepersonaliseerde aanbevelingen met behulp van dichtstbijzijnde buurtechnieken. Eerst leert u samenwerkend gebruikersfilteren, een algoritme dat andere mensen identificeert met dezelfde smaak als een doelgebruiker en hun beoordelingen combineert om producten aan die gebruiker aan te bevelen. Je onderzoekt en implementeert varianten van dit algoritme en ontdekt de voor- en nadelen van de algemene aanpak. Vervolgens leert u over een filteralgoritme voor het delen van artikelen, dat algemene associaties tussen producten identificeert op basis van gebruikersbeoordelingen, maar deze associaties gebruikt om gepersonaliseerde aanbevelingen te doen op basis van de eigen beoordelingen van de gebruiker.
In deze cursus leert u hoe u aanbevelingssystemen kunt evalueren. Maak uzelf vertrouwd met verschillende families van statistieken, waaronder statistieken voor het meten van de nauwkeurigheid van voorspellingen, nauwkeurigheid van beoordelingen, ondersteuning van beslissingen en aanvullende feiten zoals variëteit, productdekking en verrassingen. Begrijp hoe verschillende statistieken verband houden met verschillende gebruikersdoelen en bedrijfsdoelen. U leert ook hoe u offline beoordelingen kunt uitvoeren (dwz hoe u gegevens kunt voorbereiden en bemonsteren, en hoe u resultaten kunt aggregeren). Ook leer je over online beoordelen (experimenteel). Na voltooiing van de cursus beschikt u over de hulpmiddelen om verschillende opties van aanbevelingssystemen voor een breed scala aan toepassingen te vergelijken.
In deze cursus leer je een verscheidenheid aan matrixdecompositietechnieken en hybride machine learning voor aanbevelingssystemen. Beginnend met een basismatrixdecompositie, zul je zowel het begrip als de praktische details begrijpen van het bouwen van aanbevelingssystemen gebaseerd op het verminderen van de dimensionaliteit van de ruimte van gebruikers- en productvoorkeuren. Vervolgens leer je over technieken die de voordelen van verschillende algoritmen combineren tot krachtige hybride aanbevelingen.
Deze projectcursus voor aanbevelingssysteemvaardigheden combineert alles wat u hebt geleerd over algoritmen en evaluatie van aanbevelingssysteem tot een uitgebreid aanbevelingsanalyse- en ontwerpproject. U ontvangt een onderzoekscasus waarin u de inrichting van het aanbevelingssysteem moet kiezen en rechtvaardigen door de doelstellingen van de aanbeveling en de prestaties van het algoritme te analyseren. Leerlingen in het speciale traject zullen zich concentreren op experimentele evaluatie van de algoritmen aan de hand van middelgrote datasets. Het standaardtraject bestaat uit een combinatie van leveranciersresultaten en spreadsheetonderzoek.
Beide groepen creëerden een eindrapport waarin de analyse, de gekozen oplossing en de grondgedachte voor deze oplossing werden gedocumenteerd.
