Karlsruhe Institute of TechnologyKarlsruhe Institute of Technology

Lehrveranstaltung

Vorlesung Recommendersysteme

Zurück zur Übersicht
Semester:Sommersemester 2019
Dozenten:Prof. Dr. Andreas Geyer-Schulz;
Termin:Dienstag 09:45 - 11:15
Ort:10.11 Raum 213
SWS:2

Teilnehmen

Um sich für die Vorlesung einzuschreiben, müssen Sie sich einloggen.

Inhalt

Bitte beachten Sie: Die Inhalte der Übung erhalten Sie im Ilias Kurs, begleitende Literatur hier auf der Webseite (Spalte "Literatur")

Veranstaltungstermine

Time Inhalt
23.04.2019, 09:45 - 11:15
30.04.2019, 09:45 - 11:15
07.05.2019, 09:45 - 11:15
14.05.2019, 09:45 - 11:15
21.05.2019, 09:45 - 11:15
28.05.2019, 09:45 - 11:15
04.06.2019, 09:45 - 11:15
11.06.2019, 09:45 - 11:15
18.06.2019, 09:45 - 11:15
25.06.2019, 09:45 - 11:15
02.07.2019, 09:45 - 11:15
09.07.2019, 09:45 - 11:15
16.07.2019, 09:45 - 11:15
23.07.2019, 09:45 - 11:15


Vorlesungsmaterialien

Inhalt Autor
0. Organisatorisches Geyer-Schulz, Andreas
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 Geyer-Schulz, Andreas
III.11 Web-Rankings als Empfehlungen: PageRank, Authority und Hub Geyer-Schulz, Andreas
Tutorientermine Schweigert, Victoria-Anne; Schweizer, Marvin