Microsoft

Certificat Professionnel Microsoft Recommender Systems Engineering with LinkedIn

Développez des compétences très recherchées grâce à un abonnement d'un an à Coursera Plus, désormais à 239 $. Profitez-en dès maintenant.

Ce certificat professionnel n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues.
Microsoft

Certificat Professionnel Microsoft Recommender Systems Engineering with LinkedIn

Build Production-Grade Recommender Systems.

Scale multi-stage recommendation pipelines from retrieval to MLOps on Azure.

 Microsoft

Instructeur : Microsoft

Inclus avec Coursera PlusEn savoir plus

Obtenez une qualification professionnelle qui traduit votre expertise
niveau Avancées

Expérience recommandée

4 semaines à compléter
à 10 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Obtenez une qualification professionnelle qui traduit votre expertise
niveau Avancées

Expérience recommandée

4 semaines à compléter
à 10 heures par semaine
Planning flexible
Apprenez à votre propre rythme

Ce que vous apprendrez

  • Design multi-stage recommendation pipelines using collaborative filtering, two-tower models, and graph-based retrieval on Azure.

  • Build and deploy deep learning ranking models (DCN, DeepFM, and DLRM) and multi-task architectures (MMoE and PLE) to optimize long-term engagement.

  • Implement embedding-based retrieval at scale using FAISS and Azure AI Search with sub-50ms latency targets.

  • Orchestrate production RecSys pipelines with real-time feature stores, drift monitoring, and automated CI/CD on Azure ML.

Compétences que vous acquerrez

  • Catégorie : LLM Application
  • Catégorie : Artificial Neural Networks
  • Catégorie : MLOps (Machine Learning Operations)
  • Catégorie : Model Training
  • Catégorie : Deep Learning
  • Catégorie : Generative AI
  • Catégorie : Performance Stress Testing
  • Catégorie : Model Optimization
  • Catégorie : Feature Engineering
  • Catégorie : Program Evaluation
  • Catégorie : Embeddings
  • Catégorie : Generative Model Architectures
  • Catégorie : Model Evaluation
  • Catégorie : Model Deployment

Outils que vous découvrirez

  • Catégorie : Microsoft Azure
  • Catégorie : Redis
  • Catégorie : Databricks
  • Catégorie : Vector Databases
  • Catégorie : Python Programming
  • Catégorie : PyTorch (Machine Learning Library)

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Enseigné en Anglais
Récemment mis à jour !

septembre 2026

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

 logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Faites progresser votre carrière avec des compétences recherchées

  • Recevez une formation professionnelle par Microsoft
  • Démontrez vos compétences techniques
  • Obtenez un certificat reconnu par les employeurs auprès de Microsoft

Certificat professionnel - série de 5 cours

Candidate Generation & Retrieval Architectures

Candidate Generation & Retrieval Architectures

COURS 1, 16 heures

Ce que vous apprendrez

  • Implement matrix factorization and Bayesian Personalized Ranking for implicit feedback datasets using Azure ML SDK v2

  • Build two-tower retrieval models and scalable embedding-based pipelines using FAISS and Azure AI Search.

  • Construct graph-based multi-hop retrieval networks and sequential causal transformer models for next-item prediction.

  • Design hybrid content-based pipelines with cold-start fallback routing using sentence transformers and CLIP embeddings.

Compétences que vous acquerrez

Catégorie : PyTorch (Machine Learning Library)
Catégorie : Databricks
Catégorie : Software Architecture
Catégorie : Scalability
Catégorie : Model Training
Catégorie : Model Deployment
Catégorie : Computer Science
Catégorie : Cloud-Native Computing
Catégorie : Machine Learning Methods
Catégorie : Data Science
Catégorie : Software Development
Catégorie : Embeddings
Catégorie : LLM Application
Catégorie : Model Evaluation
Catégorie : Machine Learning
Catégorie : Cloud Engineering
Catégorie : Vector Databases
Catégorie : Applied Machine Learning
Ranking Models & Feature Engineering

Ranking Models & Feature Engineering

COURS 2, 10 heures

Ce que vous apprendrez

  • Construct high-throughput feature schemas and real-time rolling aggregates using Databricks Unity Catalog Feature Store and Azure Cache for Redis.

  • Implement deep ranking architectures, including DeepFM, DLRM, and Residual DCN in PyTorch for multi-objective recommendation scoring.

  • Build multi-task learning models using MMoE and PLE to balance competing engagement signals and reduce negative transfer.

  • Apply bias-correction techniques, including Inverse Propensity Scoring and post-hoc calibration, to production ranking pipelines.

Compétences que vous acquerrez

Catégorie : MLOps (Machine Learning Operations)
Catégorie : Real Time Data
Catégorie : Deep Learning
Catégorie : Data Pipelines
Catégorie : Embeddings
Catégorie : Feature Engineering
Catégorie : Data Science
Catégorie : Databricks
Catégorie : Software Development
Catégorie : Model Evaluation
Catégorie : Model Training
Catégorie : Model Deployment
Catégorie : Data Analysis
Catégorie : PyTorch (Machine Learning Library)
Catégorie : Redis
Catégorie : Model Optimization
Catégorie : Computer Science
Re-Ranking, Multi-Task Learning & Generative RecSys

Re-Ranking, Multi-Task Learning & Generative RecSys

COURS 3, 8 heures

Ce que vous apprendrez

  • Design and implement MMoE and PLE architectures in PyTorch to resolve negative transfer across competing engagement objectives.

  • Apply Maximal Marginal Relevance and Bayesian optimization to enforce constraints on diversity, freshness, and creator equity in re-ranking.

  • Build LLM-augmented ranking pipelines using Azure OpenAI embeddings and zero-shot and few-shot prompt-based item scoring approaches.

  • Construct enterprise-grade generative recommendation proxy architectures that reference LinkedIn's 360Brew framework principles on Azure Databricks.

Compétences que vous acquerrez

Catégorie : PyTorch (Machine Learning Library)
Catégorie : Embeddings
Catégorie : Model Optimization
Catégorie : Responsible AI
Catégorie : Model Evaluation
Catégorie : Computer Science
Catégorie : Generative AI
Catégorie : Generative Model Architectures
Catégorie : LLM Application
Catégorie : Software Development
Catégorie : Machine Learning
Catégorie : Data Science
Catégorie : Business Logic
Productionization, Experimentation & MLOps

Productionization, Experimentation & MLOps

COURS 4, 11 heures

Ce que vous apprendrez

  • Configure production prediction endpoints using Azure Cache for Redis for real-time, low-latency user feature hydration.

  • Architect automated CI/CD retraining and deployment pipelines using Azure ML SDK v2 with canary and blue-green deployment strategies.

  • Implement statistical drift monitoring using the Population Stability Index and Wasserstein Distance over recommendation tensors.

  • Align system telemetry with long-term utility metrics, including Saves, Dwell Time, and Private Shares under production load conditions.

Compétences que vous acquerrez

Catégorie : Model Deployment
Catégorie : Application Deployment
Catégorie : Performance Stress Testing
Catégorie : Redis
Catégorie : Microsoft Azure
Catégorie : Performance Testing
Catégorie : Continuous Deployment
Catégorie : Systems Architecture
Catégorie : Scalability
Catégorie : Transaction Processing
Catégorie : Cloud Computing
Catégorie : Microservices
Catégorie : Data Science
Catégorie : Application Performance Management
Catégorie : CI/CD
Catégorie : Model Training
Catégorie : Data Pipelines
Catégorie : MLOps (Machine Learning Operations)
Catégorie : Information Technology
Catégorie : Machine Learning
Launch Your Recommender Systems Career

Launch Your Recommender Systems Career

COURS 5, 1 heure

Ce que vous apprendrez

  • Build a portfolio that clearly communicates your recommender systems engineering experience to technical hiring managers.

  • Write a targeted resume and LinkedIn profile that highlights ranking, retrieval, and MLOps skills for ML Engineer roles.

  • Prepare for technical interviews, including system design, model evaluation, and production trade-off scenarios.

  • Identify and pursue high-demand roles in recommendation infrastructure across enterprise technology organizations.

Compétences que vous acquerrez

Catégorie : MLOps (Machine Learning Operations)
Catégorie : Machine Learning
Catégorie : Systems Design
Catégorie : Artificial Intelligence and Machine Learning (AI/ML)
Catégorie : Applied Machine Learning
Catégorie : Data Science
Catégorie : Technical Communication
Catégorie : Model Evaluation
Catégorie : Systems Architecture
Catégorie : Model Training
Catégorie : Model Deployment
Catégorie : Personal Development
Catégorie : Scalability

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.

Instructeur

 Microsoft
500 Cours3 040 171 apprenants

Offert par

Microsoft

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.’

Qu’est-ce qui vous amène sur Coursera aujourd’hui ?

Foire Aux Questions

¹Basé sur les réponses au sondage sur les résultats des étudiants Coursera, États-Unis, 2021.