Aanbevelingssystemen: collaborative filtering, factorisatie en debiasing

Bestudeer voorkeurssignalen, factorisatiemodellen en eerlijke aanbevelingen.

Op zoek naar stapsgewijze tutorials voor afzonderlijke AI-tools?

Cursusoverzicht

Verken aanbevelingssystemen van collaborative filtering en voorkeurssignalen tot compacte similariteitscodering, eerlijkheidsbewuste aanbevelingen en factorisatiemachines. Let op hoe feedback wordt verzameld, wat interacties tussen gebruikers en items betekenen en hoe evaluatie de kwaliteit en eerlijkheid beïnvloedt. De Engelstalige video’s zijn aangevuld met originele notities, geen transcripties.

Onderscheid expliciete en impliciete voorkeurssignalen en herken verzamelbias. Leg uit hoe similariteitscodering en factorisatiemodellen gebruikers-itemrelaties voorstellen. Ontwerp een evaluatie met rangschikkwaliteit, dekking en eerlijkheidsmaten.

Kennis van begeleid leren, matrixbewerkingen en evaluatiematen is aanbevolen. Ervaring met aanbevelingssystemen helpt, maar is niet vereist.

Ervaren cursisten die geavanceerde AI-vaardigheden willen verdiepen en toepassen

Mensen die het beste leren met voorbeelden, begeleide lessen en praktische oefeningen

Professionals, makers en zelfstandige bouwers die een herhaalbare werkwijze zoeken

Probeer de eerste les

Probeer de eerste les gratis met een gratis account, zonder betaalkaart. Overige betaalde lessen vereisen geldige Academy-toegang, een actieve proefperiode of Lumi Pro.

4 lessen · Gevorderd · Volledige cursus.

Cursusinhoud met open licentie · CC BY-gelicentieerd · licentie geverifieerd

Deze cursus gebruikt CC BY-gelicentieerd materiaal met naamsvermelding van de inhoudsprovider of uploader. Lesvideo’s zijn alleen na aanmelding beschikbaar wanneer de publicatie- en licentiecontroles zijn geslaagd.

Bronanalyse

Een compacte cursus over aanbevelingssystemen, met als kader evaluatieontwerp en eerlijkheid

AI-ondersteunde redactionele analyse van de genoemde bronnen, geen praktijktest of klantenreview. Claims van de aanbieder zijn geen onafhankelijke prestatiemetingen.

Onze afweging

Deze cursuspagina presenteert een gevorderde reeks over aanbevelingssystemen, met collaboratieve filtering, alternatieve voorkeurssignalen, bitniveau-codering van overeenkomst, eerlijkheidsbewuste aanbevelingen en factorisatiemachines. Het uitgangspunt van de pagina is dat elke methode behandeld moet worden als een voorstel dat getoetst moet worden tegen transparante referentiemodellen, en niet als een universele oplossing. De pagina beschrijft geen gedetailleerd programma, geen achtergrond van de docent en geen leerresultaten buiten de vermelde doelstellingen, dus de kwaliteit kan alleen worden beoordeeld op basis van het kader dat zij biedt.

Voor wie en welke taak

De pagina richt zich het duidelijkst op lerenden die al enige achtergrond in machine learning hebben en willen begrijpen hoe gegevens over gebruikers-item-voorkeuren worden omgezet in aanbevelingen. Zij beveelt bekendheid aan met supervised learning, matrixbewerkingen en evaluatiemetrieken, en noemt ervaren lerenden en mensen die het best leren via voorbeelden en praktijkoefeningen als doelgroep. Een lerende die op zoek is naar een snelle, toolgerichte introductie vindt de cursus mogelijk eerder theoretisch dan praktisch, terwijl een professional die wil redeneren over het ontwerp van de evaluatie van een aanbevelingssysteem waarschijnlijk beter aansluit.

Beperkingen en afwegingen

De cursus benadrukt hoe feedback wordt verzameld, wat interacties tussen gebruikers en items coderen, en hoe de kwaliteit van de rangschikking en eerlijkheid afhangen van het evaluatieontwerp. De genoemde onderwerpen overspannen meerdere methoden en de pagina beschrijft vier lessen, dus lerenden moeten een beknopt overzicht verwachten en geen uitputtende behandeling van één enkel gebied. De pagina vermeldt ook dat het afspelen van lessen na publicatie en licentiecontroles alleen mogelijk is met geauthenticeerde toegang, dus de omvang van een eventuele gratis preview moet worden gecontroleerd voordat men tijd investeert.

Voordat je begint

Controleer voordat u tijd investeert de actuele toegangsvoorwaarden op de pagina, aangezien het afspelen afhangt van geauthenticeerde toegang en de inhoud als CC BY-gelicentieerd is gemarkeerd. Bevestig wat de gratis les omvat, wat de volledige cursus biedt en of er kosten gelden; deze analyse stelt geen prijs vast. Controleer ook of de vier lessen overeenkomen met de beschreven reikwijdte en of de videos met Engelse audio vergezeld gaan van de originele aantekeningen waarnaar de pagina verwijst. De bron bevat geen beoordelingen van lerenden of gegevens over voltooiing, dus de praktische waarde moet worden beoordeeld aan de hand van de vermelde doelstellingen en de gratis les.

Nog te controleren

Geraadpleegde bronnen

Help deze pagina nuttiger te maken

Lessen uit deze cursus gevolgd? Vertel wat je hebt geleerd en wat duidelijker kan.

Deel je ervaring · Stel een correctie voor

Feedback gaat privé naar ons team. We publiceren deze niet automatisch en tellen deze niet als beoordeling mee. Deel geen wachtwoorden, klantgegevens of andere gevoelige informatie.