Ce que vous devez savoir avant
Vous commencez

Débute 4 June 2026 02:24

Se termine 4 June 2026

00 Jours
00 Heures
00 Minutes
00 Secondes
course image
University of Illinois at Urbana-Champaign

Nearest Neighbor Collaborative Filtering

Découvrez le pouvoir des recommandations personnalisées avec notre cours sur le Filtrage Collaboratif des Plus Proches Voisins, proposé par Coursera de l'Université de l'Illinois à Urbana-Champaign. Ce cours plonge profondément dans l'univers de la fabrication de suggestions sur mesure en utilisant des techniques de voisins les plus proches. Vous c.
University of Illinois at Urbana-Champaign via Coursera

University of Illinois at Urbana-Champaign

15 Cours


L'Université de l'Illinois à Urbana-Champaign est l'une des meilleures universités publiques du pays, offrant des opportunités académiques et de recherche de classe mondiale dans une communauté de campus dynamique.

Non spécifié

Amélioration optionnelle disponible

Tous niveaux

Progressez à votre rythme

Free

Amélioration optionnelle disponible

Aperçu

Discover the power of personalized recommendations with our course on Nearest Neighbor Collaborative Filtering, offered through Coursera by the University of Illinois at Urbana-Champaign. This course delves deep into the realm of making tailored suggestions using nearest-neighbor techniques.

You'll start by mastering user-user collaborative filtering, a cutting-edge algorithm that pinpoints users with similar preferences to recommend products accurately. As you progress, you'll explore and refine various iterations of the user-user algorithm, gaining insights into its advantages and limitations.

The journey continues with a thorough examination of the item-item collaborative filtering algorithm, another prevalent technique that leverages global product relationships derived from user ratings to craft personalized recommendations. Enrich your knowledge in fields such as Artificial Intelligence, Machine Learning, and Data Analysis by joining us in unraveling the intricacies of collaborative filtering methods.


Enseigné par

Joseph A Konstan and Michael D. Ekstrand


Matières