在本模块中，您将使用不同的方法创建三个课程推荐系统。在实验室 1 中，您将根据用户配置文件和课程流派矩阵，通过计算每门课程的兴趣分值创建课程推荐系统，并推荐兴趣分值最高的课程。在第二个实验中，您将生成一个课程相似性矩阵来创建推荐系统。在第三个实验中，您将根据小组成员的课程注册历史，使用 K-means 聚类和 Principal Component Analysis 实现基于聚类的推荐系统算法。在第四和第五个实验中，您将使用 Collaborative Filtering，根据其他用户的类似偏好集合对用户的兴趣进行预测。在实验四中，您将执行基于 KNN 的协同过滤；在实验五中，您将使用非负矩阵因式分解。

在本模块中，您将使用神经网络预测课程评分。在第一个实验中，您将训练神经网络来预测课程评分，同时提取用户和项目的潜在特征。在第二个实验中，您将获得课程交互特征向量作为输入数据。通过回归分析，您将计算出预测学生是否会审核或完成课程的评分分数。实验 3 与实验 2 类似，但您将使用分类模型来代替回归分析。您将从神经网络中提取用户和项目嵌入特征向量。利用这些嵌入特征向量，您将创建一个交互特征向量，并以此建立分类模型。该模型会将交互特征向量映射到一个评级模式，从而预测学习者是会审核还是会完成课程。

在本 Modulation 中，您将复习创建成功报告的指导原则和最佳实践。此外，您可能还想了解创建 PowerPoint 演示文稿的说明以及如何将 PowerPoint 保存为 PDF。

在本最后一个 Module 中，你们将学习 Streamlit，并有机会制作一个 Streamlit 应用程序，以展示你们在前几个 Module 中的成果。你将完成上机实验截图的提交，供同伴审阅。完成提交后，你将审查同伴的提交，并为他们的提交打分。