中
推荐系统基础课程向您介绍推荐系统的主要方法。所介绍的技术既包括协作式方法，也包括基于内容的方法，还包括用于提供推荐的最重要算法。您将了解这些算法的工作原理、使用方法和评估方法，并指出不同推荐系统替代方案的优势和局限。
基本推荐系统
了解顶级公司的员工如何掌握热门技能
该课程共有4个模块
在第一个模块中，我们将回顾推荐系统的基本概念，以便对与特定输入数据集相关的不同算法系列进行分类和分析。最后，您将能够根据可用数据、需求和目标选择最合适的算法类型。反之，您也将知道如何根据要使用的算法选择输入数据。
涵盖的内容
11个视频2篇阅读材料1个作业1次同伴评审2个讨论话题
在第二个模块中，我们将学习如何定义和衡量推荐系统的质量。我们将回顾可用于衡量这一目的的不同指标。在本模块结束时，您将能够根据目标和需求，确定衡量特定推荐系统质量所需的正确评估活动。
涵盖的内容
12个视频1个作业1次同伴评审2个讨论话题
在本模块中，我们将分析基于内容的推荐技术。这些算法推荐的项目与用户过去喜欢的项目相似。我们将回顾不同的相似度函数，然后你就能为你的系统选择更合适的函数。主要输入是项目内容矩阵（ICM），它描述了每个项目的所有属性。我们将了解如何通过规范化和调整 ICM 中每个属性的重要性来提高基于内容的技术的质量：您将能够使用一些特定的调整策略，以便从您的系统中获得最佳质量的推荐。因此，在本模块结束时，你将知道如何构建基于内容的推荐系统，如何清理和规范输入数据。
涵盖的内容
9个视频1个作业1次同伴评审2个讨论话题
在本模块中，我们将学习协同过滤技术，该技术使用用户评级矩阵（URM）作为主要输入数据，描述用户与项目之间的交互。我们将学习如何构建非个性化推荐系统，以及如何规范化 URM，以便提供更好的推荐。本模块结束时，您将能够选择最合适的相似性函数和最合适的相似性计算方法，克服与显式评级相关的问题。
涵盖的内容
9个视频1个作业1次同伴评审2个讨论话题
位教师
授课教师评分
4.3 (8个评价)
从 数据分析 浏览更多内容
EIT Digital
状态：免费试用University of Minnesota
状态：预览Sungkyunkwan University
状态：免费试用University of Minnesota
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
4.3
43 条评论
- 5 stars
65.11%
- 4 stars
20.93%
- 3 stars
4.65%
- 2 stars
2.32%
- 1 star
6.97%
显示 3/43 个
RT
5
已于 Oct 24, 2020审阅
There is a nice introduction to recommender systems field
常见问题
要获取课程资料、作业和证书，您需要在注册课程时购买证书体验。 您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。
注册课程后，您就可以访问专项课程中的所有课程，完成作业后还可以获得证书。您的电子证书将添加到您的 "成就 "页面--在那里，您可以打印证书或将其添加到您的 LinkedIn 个人资料中。
是的。在特定的学习课程中，如果您付不起注册费，可以申请助学金或奖学金。如果您选择的学习课程有助学金或奖学金，您可以在说明页面找到申请链接。
更多问题
提供助学金，
¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。