Dans ce cours, vous apprendrez une variété de techniques de factorisation matricielle et d'apprentissage automatique hybride pour les systèmes de recommandation. En commençant par la factorisation matricielle de base, vous comprendrez à la fois l'intuition et les détails pratiques de la construction de systèmes de recommandation basés sur la réduction de la dimensionnalité de l'espace de préférence de l'utilisateur et du produit. Vous découvrirez ensuite des techniques qui combinent les forces de différents algorithmes pour créer de puissants systèmes de recommandation hybrides.
Factorisation des matrices et techniques avancées
Obtenez l'une de nos meilleures offres avec Coursera Plus pour 199 $ (habituellement 399 $). Économisez maintenant.
Factorisation des matrices et techniques avancées
Ce cours fait partie de Spécialisation "Systèmes de recommandation"
Instructeurs : Michael D. Ekstrand
16 006 déjà inscrits
Inclus avec
Demander à Coursera
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
190 avis
1 semaine à compléter
à 10 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Compétences que vous acquerrez
- Catégorie : Algorithmes
- Catégorie : Algorithmes d'apprentissage automatique
- Catégorie : Apprentissage automatique appliqué
- Catégorie : Apprentissage automatique
- Catégorie : Réduction de la dimensionnalité
Détails à connaître
Certificat partageable
Ajouter à votre profil LinkedIn
Évaluations
7 devoirs
Enseigné en Anglais
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
Ce cours fait partie de la Spécialisation "Systèmes de recommandation"
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable
Il y a 6 modules dans ce cours
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Instructeurs
Évaluations de l’enseignant
(8 évaluations)Offert par
En savoir plus sur Apprentissage automatique
28DIGITAL
Statut : PrévisualisationUniversity of Minnesota
Statut : PrévisualisationSungkyunkwan University
Statut : Essai gratuitUniversity of Minnesota
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Avis des étudiants
- 5 stars
54,73 %
- 4 stars
32,10 %
- 3 stars
7,89 %
- 2 stars
4,21 %
- 1 star
1,05 %
Affichage de 3 sur 190
HL
Révisé le 2 janv. 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)
LL
Révisé le 18 juil. 2017
great courses! They invite a lot of interviews to let me understand the sea of recommend system!
SK
Révisé le 4 déc. 2017
Awesome course especially for those doing Ph.D in recommender systems
Foire Aux Questions
Plus de questions
Aide financière disponible,