在本课程中，您将学习通过近邻技术进行个性化推荐的基本技术。 首先，您将学习用户-用户协同过滤（user-user collaborative filtering），这种算法可以识别与目标用户品味相似的其他人，并结合他们的评分为该用户提供推荐。 您将探索和实施用户-用户算法的各种变体，并探索一般方法的优点和缺点。 然后，您将学习广泛使用的项目-项目协同过滤算法，该算法可从用户评分中识别全局产品关联，并根据用户自己的产品评分使用这些产品关联提供个性化推荐。

在本课程中，您将学习如何评估推荐系统。 您将熟悉几个系列的衡量标准，包括衡量预测准确性、排名准确性、决策支持和其他因素（如多样性、产品覆盖率和偶然性）的标准。 您将了解不同的指标与不同的用户目标和业务目标之间的关系。 您还将学习如何严格地进行离线评估（即如何准备和采样数据，以及如何汇总结果）。 您还将学习在线（实验）评估。 完成本课程后，您将掌握在各种用途中比较不同推荐系统替代方案所需的工具。

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。

本课程是推荐系统专业的毕业设计课程，将您所学到的有关推荐系统算法和评估的所有知识整合到一个全面的推荐分析和设计项目中。 您需要完成一个案例研究，通过对推荐目标和算法性能的分析，选择并论证推荐系统的设计。

荣誉方向的学员将重点针对中等规模的数据集对算法进行实验评估。 两组学员都将撰写一份毕业设计报告，记录分析结果、所选解决方案以及解决方案的合理性。