Karlsruhe Institute of TechnologyKarlsruhe Institute of Technology

Course

Vorlesung Recommender Systems

Return to list
Semester:Winter Term 2022
Lecturer:Prof. Dr. Andreas Geyer-Schulz;
Appointment:Freitag 09:45 - 11:15
Location:Gebäude 10.11, Sitzungssaal Hauptgebäude (R223)
SWS:2
Linked to:Übung Recommender Systems Winter Term 2022

Participate

To sign up to this course, you must login.

Content

Die Vorlesung befasst sich mit adaptiven und personalisierten Informationsdienstleistungen und deren wirtschaftlichem Einsatz mit einem Schwerpunkt auf Recommendersystemen. Recommendersysteme sammeln oder generieren Empfehlungen, die Kunden z.B. helfen, interessante Produkte zu finden. Recommendersysteme erfreuen sich dabei im Rahmen vieler E-Commerce Angebote einer ständig wachsenden Beliebtheit.

Im Rahmen der Vorlesung werden wir beispielsweise folgende Fragen behandeln:
  • Personalisierung: technische und wirtschaftliche Aspekte.
  • Der Prosument: eine Vision.
  • Betriebswirtschaftliche Grundlagen zum Einsatz von Recommendersystemen.
  • Implizite versus explizite Recommendersysteme.
  • Designprobleme bei expliziten Recommendersystemen.
  • Methoden zur Implementierung impliziter Recommendersysteme.

    Im Übungsbetrieb werden wir uns unter anderem der Analyse bestehender Recommendersysteme und der Implementierung einfacher Recommendersysteme widmen. Großer Wert wird im Rahmen der Vorlesung auf die selbständige, kritische Lektüre von Fach- und wissenschaftlichen Artikeln und auf die Mitarbeit beim Aufbau einer entsprechenden Bibliothek zu diesem Thema gelegt.
    Eine Literatur- und Leseliste wird in den (digitalen) Vorlesungsunterlagen zur Verfügung gestellt.

  • Course dates

    Time Content
    10/28/2022, 09:45 - 11:15 1. Live-Session
    11/04/2022, 09:45 - 11:15 2. Live-Session
    11/11/2022, 09:45 - 11:15 3. Live-Session
    11/18/2022, 09:45 - 11:15 4. Live-Session
    11/25/2022, 09:45 - 11:15
    12/02/2022, 09:45 - 11:15
    12/09/2022, 09:45 - 11:15
    12/16/2022, 09:45 - 11:15
    12/23/2022, 09:45 - 11:15
    12/30/2022, 09:45 - 11:15
    01/06/2023, 09:45 - 11:15
    01/13/2023, 09:45 - 11:15
    01/20/2023, 09:45 - 11:15
    01/27/2023, 09:45 - 11:15
    02/03/2023, 09:45 - 11:15
    02/10/2023, 09:45 - 11:15
    02/17/2023, 09:45 - 11:15


    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