Lehrveranstaltung

Vorlesung Recommendersysteme

Semester:	Sommersemester 2021
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 2021

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

Alle Live-Sitzungen werden über Zoom abgehalten und über Ilias angekündigt. Details zum Zoom-Meeting werden in diesem Kurs bei der jeweiligen Sitzung (siehe Reiter "Inhalt") bekannt gegeben.
Die Vorlesungseinheiten werden als Video aufgezeichnet und regelmäßig über Ilias bereitgestellt. Wir bieten regelmäßige Live-Fragestunden zu den Inhalten der letzten Wochen an. Diese Fragestunden finden zu den regulären Vorlesungszeiten statt (Dienstags, 09:45 Uhr). Die erste solche Live-Sitzung findet bereits am 04. May statt um organisatorische Fragen zu klären.
Die Übungen finden als Live-Sitzungen statt. Alle Termine finden zur regulären Zeit statt (Dienstag, 15:45 - 17:15 Uhr). Die erste Übung findet am 20. April statt.

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

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

First Session: 04.05.2021

Second Session: 01.06.2021

Third Session: 06.07.2021

Join Zoom Meeting: https://kit-lecture.zoom.us/j/62565302368

Meeting ID: 625 6530 2368

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