Karlsruhe Institute of TechnologyKarlsruhe Institute of Technology
Webmaster | Print | Englisch
Lehrveranstaltung

Vorlesung Recommendersysteme

Zurück zur Übersicht
Semester:Sommersemester 2020
Dozenten:Prof. Dr. Andreas Geyer-Schulz;
Termin:Di 09:45 - 11:15
Ort:10.11 Raum 213
SWS:2
Verlinkt mit:Übung Recommendersysteme (Übung) Sommersemester 2020

Teilnehmen

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

Inhalt

Wichtige Hinweise

Entsprechend der Ankündigung von Herrn Prof. Alexander Wanner, Vizepräsident für Lehre und akademische Angelegenheiten des KIT, wird der Studienbetrieb am 20.04.2020 wieder starten, pünktlich zum geplanten Vorlesungsbeginn des Sommersemesters. Bis auf Weiteres wird es aber ausschließlich digitale Lehrangebote geben. Liebe Studierende, kommen Sie daher nicht zu Lehrveranstaltungen oder zum Lernen auf den Campus!

Die KIT-Fakultäten und die zentralen Einrichtungen und Dienstleistungseinheiten und nicht zuletzt die Lehrenden tun momentan alles dafür, dass möglichst viele Lehrveranstaltungen im Sommersemester teilweise oder ganz online durchgeführt werden können.

Details zum Ablauf der Vorlesung und Übung (während der Corona-Maßnahmen):

Alle Inhalte und aktuellen Informationen erhalten Sie im Ilias Kurs, begleitende Literatur hier auf der Webseite (Spalte "Literatur").

Zoom Information for Live Session:

Time: Monthly on Tu., 09:45 AM to 11:15 AM

First Session: 09.06.2020

Join Zoom Meeting: https://kit-lecture.zoom.us/j/97561214311

Meeting ID: 975 6121 4311

Veranstaltungstermine

Time Inhalt
21.04.2020, 09:45 - 11:15
28.04.2020, 09:45 - 11:15
05.05.2020, 09:45 - 11:15
12.05.2020, 09:45 - 11:15
19.05.2020, 09:45 - 11:15
26.05.2020, 09:45 - 11:15
02.06.2020, 09:45 - 11:15
09.06.2020, 09:45 - 11:15
16.06.2020, 09:45 - 11:15
23.06.2020, 09:45 - 11:15
30.06.2020, 09:45 - 11:15
07.07.2020, 09:45 - 11:15
14.07.2020, 09:45 - 11:15
21.07.2020, 09:45 - 11:15


Vorlesungsmaterialien

Inhalt Autor
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

Alte klausuren Geyer-Schulz, Andreas