After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
课程介绍
如今我们已经习惯了个性化的在线体验——无论是 Netflix 推荐一部剧，还是电商平台给出「您可能还喜欢」的商品。那么，这些推荐是如何生成的呢？在本课程中，您将系统学习如何从零构建自己的推荐引擎。通过动手练习，您将掌握两类最常见的系统：协同过滤与基于内容的过滤。接着，您将学习如何度量相似度，如 Jaccard 距离与余弦相似度，并使用均方根误差（RMSE）在测试数据上评估推荐质量。课程结束时，您将亲手构建一个电影推荐引擎，并能够将 Python 技能应用到任何行业的推荐系统中。
先修要求
课程大纲
课程大纲
1
推荐引擎导论
推荐引擎旨在解决哪些问题？哪些数据最适合用于构建它们？了解即使在数据有限的情况下也能给出哪些有价值的推荐，并学习如何创建您自己的推荐。
2
基于内容的推荐
了解如何利用物品属性来生成推荐。使用分类数据与文本数据在物品之间建立有价值的对比。基于用户过往偏好生成用户画像，从而为其推荐新的物品。
3
协同过滤
通过发现与目标用户品味相似的其他用户来发掘可推荐的新物品。学习基于用户与基于物品的推荐方法——以及各自适用的场景。使用 k 最近邻模型借助群体智慧，预测用户对尚未接触过的物品可能给出的评分。
4
矩阵分解与预测验证
理解真实世界数据集的稀疏性如何影响推荐效果。利用矩阵分解来应对稀疏性。探索潜在特征的价值，并用它们更好地理解您的数据。最后，通过学习如何验证所学的各类方法，将模型置于严谨的检验之下。
用 Python 构建推荐引擎
课程完成
