学习设计、构建和评估适用于商务和内容的推荐系统。在推荐系统开发方面进行高级培训，以改善用户体验。
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
本课程旨在作为推荐系统技能的第一门课程，介绍推荐系统的概念，详细回顾各种示例，并使用摘要统计数据和产品关联、基于刻板印象或人口统计的推荐以及基于内容的推荐来指导您完成非个性化推荐。完成课程后，您将能够使用电子表格中的基本工具从数据中计算出各种推荐，如果您完成了特殊轨道，您还将使用开放式推荐工具 LensKit 对这些推荐进行编程。
除了详细的讲座和互动练习外，该课程还包括对研究和实践领域的一些领导者的采访，内容涉及推荐系统的高级主题和当前方向。
在本课程中，您将学习使用近邻技术进行个性化推荐的基本技术。首先，您将学习用户分享过滤，这是一种算法，可以识别与目标用户有相似品味的其他人，并结合他们的评分向该用户推荐产品。研究和应用此算法的变体，并发现通用方法的优缺点。接下来，您将了解跨项目的共享者筛选算法，该算法从用户评级中识别产品之间的一般关联，但使用这些关联根据用户自己的评级提供个性化推荐。
在本课程中，您将学习如何评估推荐系统。您将了解几个指标系列，包括用于衡量预测准确性、排名准确性、决策支持的指标，以及多样性、产品覆盖率和惊喜等其他事实。了解不同指标与不同的用户和业务目标有何关系。您还将学习如何执行离线评估（即，如何准备和采样数据，以及如何捆绑结果）。您还将了解在线（实验）评估。在课程结束时，您将拥有比较不同用途的推荐系统选项的工具。
在本课程中，您将学习各种矩阵分解技术和推荐系统的混合机器学习。从基本的矩阵细分开始，您将了解基于减少用户和产品偏好空间维度来构建推荐系统的理解和实际细节。接下来，您将了解将不同算法的优势结合到强大的混合推荐器中的技术。
这门推荐系统技能的 Peak Project 课程将您学到的有关推荐和评估系统算法的所有内容整合到一个推荐分析和设计的整体项目中。您将获得一个案例研究，您必须通过分析建议的目标和算法的性能来选择和解释推荐系统的设计。特殊轨道的学生将专注于针对平庸数据集对算法进行实验评估。标准轨道将包含供应商结果和电子表格研究的混合。
这两个小组创建了一份最终报告，记录了分析、选择的解决方案以及该解决方案的基本原理。
