Entwickle und vergleiche Nutzer- und Itemnachbarn mit Blick auf spärliches Feedback und Evaluation.
Vom Rankingproblem geht es zu Nutzernachbarschaften, gewichteten Scores und Itemähnlichkeit. Untersuche Interaktionsmatrizen, Überlappung und Exposure und vergleiche Verfahren mit Popularitätsbaselines, Rankingqualität, Abdeckung, Cold-Start- und Sensitivitätstests. Aufgaben nutzen kleine erfundene Matrizen und betonen, dass Offline-Scores weder Nutzen, Fairness noch kausale Produktwirkung beweisen.
Erkläre, wie Nutzer-Item-Interaktionen Scores für Nutzer- und Itemnachbarn unterstützen. Erkenne Sparsity, Cold Start, Exposure, Ähnlichkeits-, Skalierungs- und Datenschutzgrenzen. Plane Vergleiche mit Baselines, Ranking- und Abdeckungsmaßen, Sensitivitätstests und Einschränkungen.
Statistikgrundlagen, Tabellen-/Matrixkenntnisse und Erfahrung mit Ranking oder Evaluation sind hilfreich. Programmieren ist optional; Aufgaben nutzen erfundene Daten. Keine identifizierbaren Interaktionsverläufe verarbeiten und Offline-Evaluation nicht als Realweltnachweis behandeln.
Lernende mit Grundkenntnissen, die praktische, selbstständige Fähigkeiten aufbauen möchten
Menschen, die am besten mit Beispielen, Anleitung und praktischen Übungen lernen
Fachleute, Kreative und unabhängige Entwickler, die wiederholbare Abläufe suchen
Probiere die erste Lektion
Probiere die erste Lektion kostenlos mit einem kostenlosen Konto, ohne Zahlungskarte. Weitere kostenpflichtige Lektionen erfordern gültigen Academy-Zugang, eine aktive Testphase oder Lumi Pro.
4 lektionen · Fortgeschrittene Grundlagen · Vollständiger Kurs.
Dieser Kurs verwendet CC BY-lizenziertes Material mit Namensnennung des Inhaltsanbieters oder Uploaders. Die Wiedergabe der Lektionen ist erst nach Anmeldung und bestandener Veröffentlichungs- und Lizenzprüfung verfügbar.
Lektionen dieses Kurses besucht? Was hast du gelernt und was könnte klarer sein?
Erfahrung teilen · Korrektur vorschlagen
Feedback geht vertraulich an unser Team. Es wird nicht automatisch veröffentlicht oder als Bewertung gezählt. Teile keine Passwörter, Kundendaten oder sensiblen Informationen.