Empfehlungsalgorithmen: Kollaboratives Filtern in der Praxis

Entwickle und vergleiche Nutzer- und Itemnachbarn mit Blick auf spärliches Feedback und Evaluation.

Sie suchen Schritt-für-Schritt-Tutorials zu einzelnen KI-Tools?

Kursübersicht

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

Lektion 1 ist kostenlos

4 lektionen · Fortgeschrittene Grundlagen · Vollständiger Kurs.

Kursinhalt mit offener Lizenz · CC BY-lizenziert · Lizenz verifiziert

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.