Lehrveranstaltung

Vorlesung Recommendersysteme

Semester:	Wintersemester 2024
Dozenten:	Prof. Dr. Andreas Geyer-Schulz;
Termin:	Freitag 09:45 - 11:15
Ort:	Gebäude 10.11, Raum 223 (Sitzungssaal)
SWS:	2
Verlinkt mit:	Übung Recommendersysteme (Übung) Wintersemester 2024

Teilnehmen

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

Inhalt

Alle Vorlesungs- und Übungsmaterialien, sowie aktuelle Ankündigungen sind im zugehörigen ILIAS Kurs zu finden. Zusätzliche Literatur zu den jeweiligen Einheiten finden Sie auf dieser Webseite.

Veranstaltungstermine

Time	Inhalt


25.10.2024, 09:45 - 11:15
08.11.2024, 09:45 - 11:15
15.11.2024, 09:45 - 11:15
22.11.2024, 09:45 - 11:15
29.11.2024, 09:45 - 11:15
06.12.2024, 09:45 - 11:15
13.12.2024, 09:45 - 11:15
20.12.2024, 09:45 - 11:15
10.01.2025, 09:45 - 11:15
17.01.2025, 09:45 - 11:15
24.01.2025, 09:45 - 11:15
31.01.2025, 09:45 - 11:15
07.02.2025, 09:45 - 11:15
14.02.2025, 09:45 - 11:15

Vorlesungsmaterialien

Inhalt	Autor


Organisation	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 (in Überarbeitung)	Geyer-Schulz, Andreas

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

Alte Klausuren	Geyer-Schulz, Andreas