Course

Vorlesung Recommender Systems

Semester:	Winter Term 2021
Lecturer:	Prof. Dr. Andreas Geyer-Schulz;
Appointment:	Freitag 10:00 - 11:30
Location:
SWS:	2
Linked to:	Übung Recommender Systems Winter Term 2021

Participate

To sign up to this course, you must login.

Content

Wichtige Hinweise

Dieser Kurs wird auch im Wintersemester 2021/2022 als Online-Vorlesung angeboten.

Die Vorlesungseinheiten werden als Video aufgezeichnet und regelmäßig über ILIAS bereitgestellt. Wir bieten mehrmals im Semester via Zoom Live-Fragestunden zu den Inhalten der letzten Wochen an. Diese Fragestunden finden zu den regulären Vorlesungszeiten statt (Freitags, 10:00 Uhr).

Zum ILIAS Raum für diese Vorlesung

Die Übungen finden als Live-Sitzungen via Zoom statt. Alle Übungstermine finden zur regulären Zeit statt (Freitag, 11:30 - 13:00 Uhr). Die erste Übung findet am 29. Oktober statt.

Course dates

Time	Content


10/22/2021, 10:00 - 11:30	1. Live-Session (Link: https://kit-lecture.zoom.us/j/63720527493)
11/19/2021, 10:00 - 11:30	2. Live-Session (Link: https://kit-lecture.zoom.us/j/63720527493)
12/17/2021, 10:00 - 11:30	3. Live-Session (Link: https://kit-lecture.zoom.us/j/63720527493)
02/11/2022, 10:00 - 11:30	4. Live-Session (Link: https://kit-lecture.zoom.us/j/63720527493)

Course material

Content	Author


I.1 Einführung	Geyer-Schulz, Andreas

I.2 Assoziationsregel-Recommender	Geyer-Schulz, Andreas

I.3 Collaborative Filtering Systeme	Geyer-Schulz, Andreas

II.4 Klassifikation von Recommendersystemen	Geyer-Schulz, Andreas

II.5 Mechanism Design Probleme	Geyer-Schulz, Andreas

II.6 Zum Wert von Empfehlungen: Explizite Recommendersysteme	Geyer-Schulz, Andreas

II.7 Zur Modellierung von Recommendern: Data Mining und Data Processing	Geyer-Schulz, Andreas

III.8 Ehrenberg's Repeat-Buying Theorie	Geyer-Schulz, Andreas

III.8a Ehrenberg's Repeat-Buying Theorie II: BibTip: Theorien, Modelle, Architektur und Erweiterungen	Geyer-Schulz, Andreas

III.9 Entscheidungsbäume	Geyer-Schulz, Andreas

III.10 Clustering (in Überarbeitung)	Geyer-Schulz, Andreas

III.11 Web-Rankings als Empfehlungen: PageRank, Authority und Hub	Geyer-Schulz, Andreas

Alte Klausuren	Geyer-Schulz, Andreas