Course

Vorlesung Recommender Systems

Semester:	Winter Term 2024
Lecturer:	Prof. Dr. Andreas Geyer-Schulz;
Appointment:	Freitag 09:45 - 11:15
Location:	Gebäude 10.11, Raum 223 (Sitzungssaal)
SWS:	2
Linked to:	Übung Recommender Systems Winter Term 2024

Participate

To sign up to this course, you must login.

Content

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.

Course dates

Time	Content


10/25/2024, 09:45 - 11:15
11/08/2024, 09:45 - 11:15
11/15/2024, 09:45 - 11:15
11/22/2024, 09:45 - 11:15
11/29/2024, 09:45 - 11:15
12/06/2024, 09:45 - 11:15
12/13/2024, 09:45 - 11:15
12/20/2024, 09:45 - 11:15
01/10/2025, 09:45 - 11:15
01/17/2025, 09:45 - 11:15
01/24/2025, 09:45 - 11:15
01/31/2025, 09:45 - 11:15
02/07/2025, 09:45 - 11:15
02/14/2025, 09:45 - 11:15

Course material

Content	Author


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