中
在本课程中，您将学习用于推荐系统的各种矩阵因式分解和混合机器学习技术。 从基本的矩阵因式分解开始，您将了解基于降低用户-产品偏好空间维度来构建推荐系统的直觉和实际细节。 然后，您将学习到将不同算法的优势结合到强大的混合推荐器中的技术。
矩阵因式分解和高级技术
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 推荐系统 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有6个模块
涵盖的内容
1个视频
本模块由两部分组成，为期两周，内容是矩阵因式分解推荐技术。 其中包括作业和小测验（均在第二周完成），以及荣誉作业（也在第二周完成）。 请认真掌握进度--除非在第一周就开始做作业，否则很难在两周内完成。
涵盖的内容
5个视频1篇阅读材料
涵盖的内容
2个视频2篇阅读材料5个作业1个编程作业
本模块由三部分组成，为期两周，内容涉及混合和机器学习推荐算法以及高级推荐技术。 其中包括一次测验（第二周提交）和一项荣誉作业（也在第二周提交）。 请认真掌握进度--除非你在第一周就开始做作业，否则很难在两周内完成荣誉课程。
涵盖的内容
6个视频
涵盖的内容
3个视频
涵盖的内容
7个视频1篇阅读材料2个作业1个编程作业
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
4.9 (8个评价)
从 机器学习 浏览更多内容
状态：免费试用University of Minnesota
状态：免费试用University of Minnesota
状态：预览University of Minnesota
EIT Digital
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
189 条评论
- 5 stars
54.49%
- 4 stars
32.27%
- 3 stars
7.93%
- 2 stars
4.23%
- 1 star
1.05%
显示 3/189 个
HL
5
已于 Jan 2, 2021审阅
Really enjoyed the course!One suggestion I have is to blend in even more advanced techniques such as using neural networks (e.g. NCF)
SL
4
已于 Sep 11, 2019审阅
It will be great, if we can do honor's track with Python or R
LL
5
已于 Jul 18, 2017审阅
great courses! They invite a lot of interviews to let me understand the sea of recommend system!
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，