Recommender-Systeme aggregieren Meinungen, um Entscheidungsprozesse durch personalisierte Empfehlungen zu unterstützen. Sie werden im Online-Handel, bei Social Media oder Unterhaltungsdiensten eingesetzt. Spärliche Daten und lineare Annahmen sind problematisch für traditionelle Verfahren.
Die Anwendung von Deep Learning ist in diesem Feld noch sehr jung und vielversprechend. Google, Microsoft, Spotify und andere bedienen sich bereits tiefer neuronaler Netze, um in verschiedenen Domänen ihre Empfehlungen zu verbessern.
Marcel Kurovski hat in TensorFlow einen Deep-Learning-basierten Recommender für ein Online-Fahrzeugportal entwickelt – mit deutlicher Verbesserung traditioneller Verfahren.
Vorkenntnisse
Basiswissen zu neuronalen Netzen und dem Nutzen von Einbettungen ist hilfreich, jedoch nicht unbedingt erforderlich.
Lernziele
* Anwendungsfälle und Schwierigkeiten bei Recommender-Systemen aufzeigen
* Art und Weise, wie und mit welchen verschiedenen Ansätzen Deep Learning Recommender-Systeme verbessert, kennenlernen
* Einsatz von Deep Learning am Praxisbeispiel "Fahrzeugvorschläge" nachvollziehen
//
Marcel Kurovski
ist Big Data Scientist für die Kölner inovex GmbH. Er hat sich auf Deep Learning und dessen Anwendung für Recommender-Systeme spezialisiert. Während seines Studiums des Wirtschaftsingenieurwesens hatte er einen Fokus auf Machine Learning, Simulation und Operations Research gesetzt und ist fasziniert von Künstlicher Intelligenz.