糖心vlog官网观看

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

In diesem Modul lernen Sie verschiedene Techniken 蹿眉谤 nicht oder nur leicht personalisierte Empfehlungen kennen. Sie erfahren unter anderem, wie Sie aussagekr盲ftige zusammenfassende Statistiken verwenden, wie Sie Empfehlungen 蹿眉谤 Produktassoziationen berechnen und wie Sie die Verwendung demografischer Daten als Mittel 蹿眉谤 eine leichte Personalisierung erkunden k枚nnen. Es gibt sowohl eine Aufgabe (Ausprobieren dieser Techniken in einer Tabellenkalkulation) als auch ein Quiz, um Ihr Verst盲ndnis zu testen.

Das n盲chste Thema dieses Kurses ist die inhaltsbasierte Filterung, eine Technik zur Personalisierung, die auf der Erstellung eines pers枚nlichen Interessenprofils basiert. Aufgeteilt auf zwei Wochen lernen und 眉ben 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 蹿眉谤 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 Videoeinf眉hrung und einem "Quiz", in dem Sie Antworten aus Ihrer Arbeit geben, die automatisch bewertet werden.

Wir schlie脽en diesen Kurs mit einer Reihe von mathematischen Notationen ab, die hilfreich sein werden, wenn wir uns mit einer breiteren Palette von Empfehlungssystemen befassen (in sp盲teren Kursen in dieser Specialization).