К содержимому
learnspaceYOUR NEXT CHAPTER
ПРОСТРАНСТВО ОБУЧЕНИЯ
ГлавнаяКаталог курсовМоё обучениеCoursera

Знания без границ

Учитесь у лучших университетов и компаний мира.

Открыть Coursera
Интеграция
Пространство университета
Моё пространствоСтраница курса
↵
ЯЛичный кабинетСтудент
© 2026 LearnSpaceКаждый день — возможность узнать больше.Помощь
Fundamentos de sistemas recomendadores · LearnSpace
Назад в каталог
courseraПрограммирование

Fundamentos de sistemas recomendadores

Курс от Pontificia Universidad Católica de Chile
Средний≈ 8.2 чИспанский
О курсеНавыкиПрограммаПреподаватели

О курсе

El MOOC “Fundamentos de sistemas recomendadores” tiene como propósito que los estudiantes conozcan los principales conceptos asociados a estos sistemas, así como su evolución histórica. Se enseñarán las principales técnicas de recomendación, como son el filtrado colaborativo y el filtrado basado en contenido. Adicionalmente, se espera que los estudiantes conozcan y apliquen diversas métricas de evaluación que les permitan evaluar diferentes dimensiones de los sistemas de recomendación.

Навыки, которые вы освоите

Predictive ModelingDimensionality ReductionModel EvaluationMachine Learning AlgorithmsAI PersonalizationMachine Learning MethodsMachine LearningUnsupervised LearningText Mining

Программа курса

6 модулей · 34 учебных материалов

01Bienvenida al curso 3 материалов

Derechos reservados

Derechos reservadosЧтение

Bienvenida

BienvenidaВидеоSyllabusЧтение
02Módulo 1: Conociendo los sistemas de recomendación6 материалов

Módulo 1: Conociendo los sistemas de recomendación

Учитесь у экспертов

Denis Parra

Profesor Asociado

Fundamentos de sistemas recomendadores
В каталоге вашей программы

Инвестируйте в себя

Новые знания — в удобное для вас время.

Начать на Coursera

Обучение откроется на Coursera
в новой вкладке

Обучение на Coursera

≈ 8.2 ч

6 модулей

Язык: Испанский

Часть программы вашего университета
Definición ejemplos de sistemas de recomendación Видео
Tipos de sistemas de recomendaciónВидео
Formativo: Introducción y recomendación no personalizadaЗадание
Recomendación no personalizadaВидео
Sumativo: Clasificación de sistemas de recomendación y recomendación no personalizadaЗадание

Lectura recomendada

Recomedada: Recommender systems: Introduction and challenges. Recommender systems handbook. Чтение
03Módulo 2: Filtrado Colaborativo 7 материалов

Módulo 2: Filtrado Colaborativo

Recomendación como predicción de ratingsВидеоFiltrado colaborativo basado en usuariosВидеоFiltrado Colaborativo basado en ítems (IKNN)ВидеоFormativo: Filtrado ColaborativoЗаданиеRecomendación con algoritmo pendiente unoВидеоSumativo: Filtrado colaborativo, pendiente uno y content-basedЗаданиеRating-based collaborative filtering: algorithms and evaluation. Social information access: Systems and technologies. Secciones 1-4Чтение
04Módulo 3: Recomendación basada en contenido y evaluación vía ranking8 материалов

Módulo 3: Recomendación basada en contenido y evaluación vía ranking

Recomendación en base a contenidosВидеоRecomendación basada en contenido de textoВидеоEvaluación basada en ranking I: precision, recall, MRRВидеоFormativo: Recomendación basada en contenido de texto y evaluación basada en rankingЗаданиеEvaluación basada en ranking II: MAP, nDCG y AUCВидеоSumativo: Evaluación de sistemas recomendadores, recomendación basada en texto y métodos latentesЗаданиеPerformance of recommender algorithms on top-n recommendation tasks. In Proceedings of the fourth ACM conference on Recommender systems.Чтение

Lectura recomendada

Recomendada: Recommender Systems Handbook: Cap. Content-based recommender systems: State of the art and trends. Чтение
05Módulo 4: Métodos latentes de factorización matricial y FunkSVD7 материалов

Módulo 4: Métodos latentes de factorización matricial y FunkSVD

Introducción a los métodos latentesВидеоFactorización Matricial para predecir factores latentesВидеоFunkSVDВидеоFormativo: Factorización matricial y FunkSVDЗаданиеEjemplo práctico usando FunkSVDВидеоSumativo: Factorización matricial y FunkSVDЗаданиеMatrix factorization techniques for recommender systems. Computer.Чтение
06Cierre del curso3 материалов

Cierre

Video de cierreВидеоReferencias bibliográficasЧтениеEncuesta finalPLUGIN