In diesem Modul werden Empfehlungssysteme ausführlicher vorgestellt. Es umfasst eine detaillierte Taxonomie der Arten von Empfehlungssystemen und beinhaltet auch Besichtigungen von zwei Systemen, die stark von der Empfehlungs-Technologie abhängig sind: MovieLens und Amazon.com. In der letzten Lektion gibt es eine einführende Bewertung, um sicherzustellen, dass Sie die Kernkonzepte hinter Empfehlungen verstehen, bevor wir lernen, wie sie berechnet werden.

In diesem Modul lernen Sie verschiedene Techniken für nicht oder nur leicht personalisierte Empfehlungen kennen. Sie erfahren unter anderem, wie Sie aussagekräftige zusammenfassende Statistiken verwenden, wie Sie Empfehlungen für Produktassoziationen berechnen und wie Sie die Verwendung demografischer Daten als Mittel für eine leichte Personalisierung erkunden können. Es gibt sowohl eine Aufgabe (Ausprobieren dieser Techniken in einer Tabellenkalkulation) als auch ein Quiz, um Ihr Verständnis zu testen.

Das nächste Thema dieses Kurses ist die inhaltsbasierte Filterung, eine Technik zur Personalisierung, die auf der Erstellung eines persönlichen Interessenprofils basiert. Aufgeteilt auf zwei Wochen lernen und üben Sie die grundlegenden Techniken der inhaltsbasierten Filterung und erforschen dann eine Reihe von fortgeschrittenen Schnittstellen und inhaltsbasierten Rechentechniken, die in Empfehlungssystemen verwendet werden.

Die Bewertungen für die inhaltsbasierte Filterung umfassen eine Aufgabe, bei der Sie drei Arten von Profilen und Vorhersagen mithilfe einer Tabellenkalkulation berechnen, sowie ein Quiz zu den behandelten Themen. Die Aufgabe besteht aus drei Teilen - einer schriftlichen Aufgabe, einer Videoeinführung und einem "Quiz", in dem Sie Antworten aus Ihrer Arbeit geben, die automatisch bewertet werden.

Wir schließen diesen Kurs mit einer Reihe von mathematischen Notationen ab, die hilfreich sein werden, wenn wir uns mit einer breiteren Palette von Empfehlungssystemen befassen (in späteren Kursen in dieser Specialization).