Untersuchen Sie Präferenzsignale, Faktorisierungsmodelle und faire Empfehlungen.
Untersuchen Sie Empfehlungssysteme von Collaborative Filtering und Präferenzsignalen bis zu kompakter Ähnlichkeitscodierung, fairnessbewusster Empfehlung und Faktorisierungsmaschinen. Achten Sie darauf, wie Feedback erhoben wird und wie Evaluationsentscheidungen Rankingqualität und Fairness prägen. Die englischsprachigen Videos werden durch originäre Notizen ergänzt, nicht durch Transkripte.
Explizite und implizite Präferenzsignale unterscheiden und Erhebungsverzerrungen erkennen. Erklären, wie Ähnlichkeitscodierung und Faktorisierung Nutzer-Item-Beziehungen darstellen. Eine Evaluation mit Rankingqualität, Abdeckung und fairnessbezogenen Maßen entwerfen.
Kenntnisse zu überwachtem Lernen, Matrixoperationen und Evaluationsmetriken sind empfehlenswert. Erfahrung mit Empfehlungssystemen ist hilfreich, aber nicht vorausgesetzt.
Erfahrene Lernende, die fortgeschrittene KI-Kenntnisse vertiefen und anwenden 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 · Fortgeschritten · 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.