Ce module présente les systèmes de recommandation de manière plus approfondie. Il comprend une taxonomie détaillée des types de systèmes de recommandation, ainsi que des visites de deux systèmes fortement dépendants de la technologie de recommandation : MovieLens et Amazon.com. La dernière leçon comporte une évaluation introductive pour s'assurer que vous comprenez les concepts fondamentaux des recommandations avant d'apprendre à les calculer.

Dans ce module, vous apprendrez plusieurs techniques pour des recommandations non ou légèrement personnalisées, y compris comment utiliser des statistiques sommaires significatives, comment calculer des recommandations d'association de produits et comment explorer l'utilisation de données démographiques comme moyen de personnalisation légère. Il y a à la fois un devoir (essayer ces techniques dans une feuille de calcul) et un quiz pour tester votre compréhension.

Le thème suivant de ce cours est le filtrage basé sur le contenu, une technique de personnalisation basée sur la construction d'un profil d'intérêts personnels. Répartis sur deux semaines, vous apprendrez et pratiquerez les techniques de base du filtrage basé sur le contenu et explorerez ensuite une variété d'interfaces avancées et de techniques de calcul basées sur le contenu utilisées dans les systèmes de recommandation.

Les évaluations pour le filtrage basé sur le contenu comprennent un devoir où vous calculez trois types de profil et de prédiction en utilisant une feuille de calcul, ainsi qu'un quiz sur les sujets abordés. Le devoir se compose de trois parties : un devoir écrit, une introduction vidéo et un "quiz" dans lequel vous fournissez des réponses à partir de votre travail, qui seront automatiquement notées.

Nous terminons ce cours par un ensemble de notations mathématiques qui nous seront utiles lorsque nous aborderons un éventail plus large de systèmes de recommandation (dans les cours ultérieurs de cette spécialisation).