Aperçu
Build your subject-matter expertise This course is part of the AI in Media specialisation. When you enrol in this course; you'll also be enrolled in this Specialisation. ● Learn new concepts from industry experts ● Gain a foundational understanding of modern strategic tools ● Develop job-relevant skills with hands-on scenario-based projects ● Earn a shareable career certificate About this Course In a world where content is tailored to users, understanding recommendation algorithms is vital for any media professional.
This course explores how organisations use machine learning to build 'models of you', predicting tastes in real time to maximise engagement and customer lifetime value. Through real-world examples such as Netflix and YouTube, you will discover how supervised and reinforcement learning drive the social feeds and streaming menus we use every day.
You will also examine the societal risks of these systems, such as radicalisation and filter bubbles, and explore the 'algotorial' approach, where human editorial judgement balances algorithmic efficiency. Whether you are a marketer, producer, or strategist, this course provides the essential foundations of the modern media landscape.
What you'll learn • Analyse the impact of artificial intelligence on the media value chain, specifically evaluating how recommendation algorithms function to maximise audience engagement and retention. • Apply core machine learning concepts—including content-based and collaborative filtering—to real-world media scenarios, while formulating strategies to mitigate ethical risks such as filter bubbles and algorithmic radicalisation. • Assess the emerging importance of AI optimisation and generative AI reputation, developing approaches for organisations to manage their visibility within large language models.
Programme
- Introduction à la spécialisation : IA dans les médias
Cette spécialisation dote les professionnels des médias et les leaders d'entreprise d'une compréhension globale de la façon dont l'IA transforme l'industrie des médias. À travers trois cours interconnectés, vous explorerez les algorithmes de recommandation qui alimentent des plateformes comme Netflix et YouTube, examinerez les capacités et les limites des outils d'IA générative et développerez des stratégies pratiques pour intégrer l'IA dans les flux de travail des médias de manière responsable. Vous évaluerez de manière critique à la fois les opportunités et les risques, y compris les complexités du droit d'auteur, la mitigation des biais, les menaces de désinformation et les exigences de conformité. Conçue par l'Oxford Saïd Business School, cette série vous prépare à naviguer dans le paysage médiatique en évolution, à construire des stratégies informées par l'IA et à exploiter ces technologies pour stimuler l'innovation tout en maintenant des normes éthiques et légales. Veuillez noter que ce module introductif est commun à tous les cours de la spécialisation IA dans les médias. Si vous avez déjà étudié les cours « IA et Créativité » ou « IA et Production », vous pouvez passer cette section, sauf si vous trouvez un rappel utile.
- Introduction au cours : IA et recommandation de contenus
L'intelligence artificielle transforme fondamentalement le paysage médiatique, déplaçant le paradigme des audiences à la recherche de contenu vers le contenu à la recherche d'audiences. Dans ce cours, vous explorerez les algorithmes sophistiqués qui alimentent des plateformes mondiales comme Netflix, YouTube et Spotify, en décryptant les mécanismes de l'apprentissage supervisé, non supervisé et par renforcement. Vous examinerez également les défis critiques du biais algorithmique et des « terriers de lapin », ainsi que les stratégies de gestion de la réputation et d'« optimisation des moteurs de réponse » à l'ère de l'IA générative.
- Apprentissage automatique dans les médias
L'apprentissage automatique est la salle des machines des médias modernes, dictant comment le contenu est découvert, consommé et monétisé. Dans ce module, vous décomposerez les trois méthodologies fondamentales qui alimentent les algorithmes de recommandation : apprentissage supervisé, non supervisé et par renforcement. En examinant les applications réelles de plateformes telles que Spotify, Netflix et TikTok, vous apprendrez comment les « agents » sont formés pour maximiser l'engagement, comment des motifs cachés sont découverts dans les données brutes et comment les organisations équilibrent le besoin d'explorer de nouveaux contenus avec le besoin d'exploiter les préférences utilisateur connues.
- Dimensions pratiques de la recommandation de contenus
Au-delà des concepts théoriques de l'apprentissage automatique, ce module examine comment les grandes organisations médiatiques déploient concrètement des moteurs de recommandation pour définir l'expérience utilisateur moderne. Vous explorerez les mécanismes spécifiques de la filtration basée sur le contenu et collaborative, en comprenant comment les algorithmes déterminent ce qui apparaît dans le fil d'actualité d'un utilisateur. À travers des études de cas approfondies de leaders de l'industrie comme Netflix et YouTube, vous analyserez comment ces systèmes sont conçus pour maximiser l'« attachement », réduire le désabonnement et optimiser la valeur à vie du client en utilisant un mélange de signaux de données explicites et implicites.
- Gestion des risques dans la recommandation de contenus
Bien que les algorithmes de recommandation soient de puissants moteurs d'engagement, ils comportent des risques importants lorsqu'ils sont optimisés uniquement pour l'attention. Dans ce module, vous examinerez le phénomène des « terriers de lapin », où les utilisateurs aéroporteurs vers du contenu extrême ou coincés dans des bulles de filtration. Vous explorerez le compromis entre l'efficacité algorithmique et le bien-être sociétal et découvrirez l'approche « algo-editoriale ». Cette stratégie hybride combine la rapidité de l'apprentissage automatique avec le jugement éditorial humain, offrant aux organisations un cadre pratique pour atténuer les risques, assurer la diversité et maintenir la sécurité dans la distribution de contenu.
- Optimisation des avantages et minimisation des inconvénients dans la recommandation de contenus
Dans le paysage médiatique moderne, la réputation d'une organisation est de plus en plus définie non seulement par le sentiment général sur Internet, mais par les « opinions » de grands modèles de langage (LLM). Ce module explore le passage stratégique de l'optimisation des moteurs de recherche traditionnels à l'Optimisation des Moteurs de Réponse (AEO). Vous examinerez comment les algorithmes de recommandation perçoivent les marques, l'impact de l'inférence IA sur la réputation publique, et l'application pratique de la science des données dans la création de contenu pour maîtriser les algorithmes de plateformes comme YouTube et Spotify.
- Conclusion du cours
Ce module final consolide votre apprentissage à travers le cours, résumant les mécanismes de base de l'apprentissage supervisé, non supervisé et par renforcement, les applications pratiques de la filtration de contenu et collaborative utilisées par des plateformes comme Netflix, Spotify et YouTube, les risques éthiques de l'effet « terrier de lapin » et les stratégies de gestion de la réputation et d'optimisation des créateurs dans les systèmes algorithmiques. Enfin, vous appliquerez vos connaissances à travers une évaluation par les pairs qui vous mettra au défi de développer une recommandation stratégique sur la manière dont un service de streaming pourrait adopter des systèmes de recommandation algorithmiques, et d'analyser les impacts sociétaux des algorithmes de recommandation de contenus, y compris le risque de radicalisation.
Enseigné par
Alex Connock
Matières
Artificial Intelligence
