In diesem Kurs lernen Sie eine Vielzahl von Techniken der Matrixfaktorisierung und des hybriden maschinellen Lernens für Empfehlungssysteme kennen. Beginnend mit der grundlegenden Matrixfaktorisierung werden Sie sowohl die Intuition als auch die praktischen Details des Aufbaus von Empfehlungssystemen verstehen, die auf der Verringerung der Dimensionalität des Präferenzraums zwischen Nutzer und Produkt basieren. Anschließend lernen Sie Techniken kennen, die die Stärken verschiedener Algorithmen zu leistungsstarken hybriden Empfehlungssystemen kombinieren.
Matrixfaktorisierung und fortgeschrittene Techniken
Sparen Sie mit 40% Rabatt auf 3 Monate Coursera Plus bei den Fähigkeiten, die Sie zum Strahlen bringen. Jetzt sparen
Matrixfaktorisierung und fortgeschrittene Techniken
Dieser Kurs ist Teil von Spezialisierung „Empfehlungssysteme“
Dozenten: Michael D. Ekstrand
15.993 bereits angemeldet
Bei enthalten
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
190 Bewertungen
1 Woche zu vervollständigen
unter 10 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Kompetenzen, die Sie erwerben
- Kategorie: Dimensionalitätsreduktion
- Kategorie: Lineare Algebra
- Kategorie: Algorithmen für maschinelles Lernen
- Kategorie: Maschinelles Lernen
- Kategorie: Algorithmen
- Kategorie: Unüberwachtes Lernen
- Kategorie: Angewandtes maschinelles Lernen
Wichtige Details
Zertifikat zur Vorlage
Zu Ihrem LinkedIn-Profil hinzufügen
Bewertungen
7 Aufgaben
Unterrichtet in Englisch
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
Dieser Kurs ist Teil der Spezialisierung Spezialisierung „Empfehlungssysteme“
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage
In diesem Kurs gibt es 6 Module
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Dozenten
Lehrkraftbewertungen
(8 Bewertungen)
Mehr von Maschinelles Lernen entdecken
28DIGITAL
Status: VorschauUniversity of Minnesota
Status: Kostenloser TestzeitraumUniversity of Minnesota
Status: VorschauSungkyunkwan University
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Bewertungen von Lernenden
- 5 stars
54,73 %
- 4 stars
32,10 %
- 3 stars
7,89 %
- 2 stars
4,21 %
- 1 star
1,05 %
Zeigt 3 von 190 an
DD
Geprüft am 9. Jan. 2021
Very good. Per closing comments, it probably needs an update (since 2016) as this is active, progressive area.
HL
Geprüft am 2. Jan. 2021
Really enjoyed the course!One suggestion I have is to blend in even more advanced techniques such as using neural networks (e.g. NCF)
AK
Geprüft am 13. Aug. 2017
Interview with Francesco Ricci is very knowledgeable about context aware Recommender System.
Häufig gestellte Fragen
Weitere Fragen
Finanzielle Unterstützung verfügbar,