El MOOC "Fundamentos de sistemas recomendadores" de la Pontificia Universidad Católica de Chile ofrece una inmersión exhaustiva en los sistemas de recomendación. Los estudiantes explorarán la evolución histórica, técnicas clave como el filtrado colaborativo y la recomendación basada en contenido, así como métricas de evaluación. A lo largo de este curso en línea, se abordarán temas como la recomendación no personalizada, el filtrado colaborativo, la recomendación basada en contenido y métodos latentes de factorización matricial. Los participantes también aprenderán a aplicar diversas métricas de evaluación para evaluar diferentes dimensiones de los sistemas de recomendación. Este programa proporciona una visión integral de los sistemas de recomendación y es ideal para aquellos interesados en la inteligencia artificial, el análisis de datos y la personalización de contenidos.
Certificate Available ✔
Get Started / More Info
El curso "Fundamentos de sistemas recomendadores" abarca una amplia gama de temas, desde la introducción a los sistemas de recomendación hasta técnicas avanzadas como la factorización matricial y FunkSVD.
El módulo de bienvenida brinda una visión general del curso y presenta el plan de estudios a los participantes. A lo largo de este módulo, los estudiantes explorarán la estructura del curso y conocerán las expectativas para las próximas unidades.
El módulo "Conociendo los sistemas de recomendación" sumerge a los participantes en los conceptos fundamentales y ejemplos de sistemas de recomendación, así como en la recomendación no personalizada. Los estudiantes también se familiarizarán con la clasificación de sistemas de recomendación y la recomendación no personalizada.
El módulo "Filtrado Colaborativo" se centra en las técnicas de recomendación como predicción de ratings, filtrado colaborativo basado en usuarios e ítems, y algoritmos pendientes. Los participantes explorarán la evaluación de sistemas de recomendación y las aplicaciones prácticas del filtrado colaborativo.
El módulo "Recomendación basada en contenido y evaluación vía ranking" abarca la recomendación en base a contenidos, evaluación basada en ranking, y el rendimiento de algoritmos de recomendación en tareas de recomendación top-n. Los estudiantes también explorarán las tendencias actuales en los sistemas de recomendación basados en contenido.
El módulo "Métodos latentes de factorización matricial y FunkSVD" introduce a los participantes a los métodos latentes, la factorización matricial para predecir factores latentes y FunkSVD. Los estudiantes también recibirán ejemplos prácticos de la aplicación de FunkSVD en sistemas de recomendación.
El módulo de cierre del curso ofrece un video de cierre para resumir los puntos clave del programa, referencias bibliográficas y una encuesta final para evaluar la experiencia de aprendizaje.
This specialization in computer vision offers a comprehensive understanding of the mathematical and physical foundations of vision, equipping learners for a successful...
Artificial Intelligence Data Fairness and Bias is a comprehensive course exploring the ethical aspects of machine learning, focusing on fairness and bias in predictive...
This course provides an in-depth exploration of decision making and reinforcement learning, covering utility theory, multi-armed bandit problems, Markov decision...
Robot Localization with Python and Particle Filters: Learn to code a particle filter from scratch in Python to solve the robot localization problem.