| Kursbeschreibung (description): |
Von der Musik die Sie hören bis zu den Produkten die Ihnen online vorgeschlagen werden: Unser Workshop AI240 Einführung in Empfehlungssysteme wird die Welt der Empfehlungsalgorithmen demystifizieren und Ihnen die Werkzeuge an die Hand geben, um Ihr eigenes leistungsstarkes Empfehlungssystem zu erstellen.
Der Kurs vermittelt Grundlagen zum Aufbau, der Funktion und den Einsatzgebieten solcher Empfehlungssysteme. Teilnehmer werden in die Lage versetzt zu verstehen, welchen Nutzen so ein System hat, welche Anwendungsszenarien es gibt und wie man es selbst zum Einsatz bringen kann. Dazu geht die Schulung auf Konzepte wie z.B. Scoring und Aufbau eines Empfehlungssystems, aber auch auf verschiedene Arten dieser Systeme ein (Collaborative Filtering, Content-based Filtering, Hybrid Recommender Systems und Semantic Recommender Systems). Zudem werden Datenquellen, Datenerfassung und -verarbeitung sowie Bewertungsmetriken für Recommender-Systeme thematisiert.
|
|
| Zielgruppe (target group): |
- Entwickler
- IT-Fachkräfte
- Fachkräfte ohne Programmiererfahrung
|
|
| Voraussetzungen (requirements): |
|
|
| Ziele (objectives): |
Grundlagen von Recommender-Systemen verstehen, verschiedene Arten von Recommender-Systemen kennenlernen, Datenquellen und -verarbeitung für Recommender-Systeme beherrschen, Bewertungsmetriken für Recommender-Systeme anwenden können.
|
|
| Preis und Dauer (price and duration): |
Dauer (duration): 1 Tag
Schulungslänge (course length): 04:30 Stunden (inkl. Pausen)
Preis (price): 450,- Euro zzgl. MwSt.
Gerne führen wir dieses Training auch inhouse bei Ihnen vor Ort durch, bitte sprechen Sie uns an.
Eine Druckansicht dieses Workshops finden Sie hier.
|
|
| Termine (dates): |
Termine auf Anfrage.
Falls Sie einen Terminwunsch für diesen Workshop haben, werden wir dies gerne für Sie prüfen!
|
|
|
| Inhalte (agenda): |
- Einführung in Recommender-Systeme und ihre Bedeutung
- Gegenüberstellung verschiedener Recommender-Systemen: Collaborative Filtering, Content-based Filtering, Hybrid Recommender Systems, Semantic Recommender Systems
- Datenquellen, Datenerfassung und -verarbeitung: Einblick in gängige Datenquellen und Techniken zur Datenerfassung, Datenaufbereitung und -analyse
- Bewertungsmetriken für Recommender-Systeme: Vorstellung verschiedener Metriken zur Beurteilung der Qualität von Empfehlungen
- Praktische Übungen: Aufbau eines einfachen Recommender-Systems mit Python
- Zusammenfassung und Abschlussdiskussion: Wie lässt sich das gelernte auf den eigenen Kontext übertragen?
|
|
|
