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
Factorisation des matrices et techniques avancées
Ce cours fait partie de Spécialisation Systèmes de recommandation
Instructeurs : Michael D. Ekstrand
15 625 déjà inscrits
Inclus avec 
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.3
(186 avis)
14 heures pour terminer
3 semaines à 4 heures par semaine
Planning flexible
Apprenez à votre propre rythme
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
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 6 modules dans ce cours
Inclus
1 vidéo
Il s'agit d'un module de deux semaines en deux parties sur les techniques de recommandation par factorisation de matrices. Il comprend un devoir et un quiz (tous deux à rendre au cours de la deuxième semaine), ainsi qu'un devoir d'honneur (également à rendre au cours de la deuxième semaine). Veuillez suivre votre rythme avec attention - il sera difficile de terminer le module en deux semaines si vous ne commencez pas les devoirs au cours de la première semaine.
Inclus
5 vidéos1 lecture
Inclus
2 vidéos2 lectures5 devoirs1 devoir de programmation
Il s'agit d'un module de deux semaines en trois parties sur les algorithmes de recommandation hybrides et d'apprentissage automatique, ainsi que sur les techniques de recommandation avancées. Il comprend un quiz (à rendre au cours de la deuxième semaine), et un devoir d'honneur (également à rendre au cours de la deuxième semaine). Veuillez suivre votre rythme avec attention - il sera difficile de terminer le module d'honneur en deux semaines si vous ne commencez pas les devoirs au cours de la première semaine.
Inclus
6 vidéos
Inclus
3 vidéos
Inclus
7 vidéos1 lecture2 devoirs1 devoir de programmation
Instructeurs
Évaluations de l’enseignant
4.9 (8 évaluations)Offert par
Recommandé si vous êtes intéressé(e) par Apprentissage automatique
Howard University
Amazon Web Services
Johns Hopkins University
University of California San Diego
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
4.3
186 avis
- 5 stars
53,76 %
- 4 stars
32,79 %
- 3 stars
8,06 %
- 2 stars
4,30 %
- 1 star
1,07 %
Affichage de 3 sur 186
SL
4
Révisé le 12 sept. 2019
It will be great, if we can do honor's track with Python or R
HL
5
Révisé le 3 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)
SK
5
Révisé le 5 déc. 2017
Awesome course especially for those doing Ph.D in recommender systems
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
L'accès aux cours et aux devoirs dépend de votre type d'inscription. Si vous suivez un cours en mode audit, vous pourrez consulter gratuitement la plupart des supports de cours. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter l'expérience de certificat, pendant ou après votre audit. Si vous ne voyez pas l'option d'audit :
Il se peut que le cours ne propose pas d'option d'audit. Vous pouvez essayer un essai gratuit ou demander une aide financière.
Le cours peut proposer l'option "Cours complet, pas de certificat" à la place. Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la Specializations, et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez auditer le cours gratuitement.
Si vous vous êtes abonné, vous bénéficiez d'une période d'essai gratuite de 7 jours pendant laquelle vous pouvez annuler votre abonnement sans pénalité. Après cette période, nous ne remboursons pas, mais vous pouvez résilier votre abonnement à tout moment. Consultez notre politique de remboursement complète.