Recommender-Systeme empfehlen ähnliche Artikel, und Convolutional Neural Networks (CNN) erkennen Objekte auf Bildern. Aber wie setzt man solche Verfahren in anderen Gebieten ein?
Seit 2015 ermöglicht Spotif seinen Nutzern, mit “Discover Weekly” neue Musik genau nach ihrem Geschmack zu entdecken. In einer Online-Recherche habe ich Informationen zu den dahinter liegenden maschinellen Lernverfahren zusammengetragen und möchte diese einsteigerfreundlich erklären:
* Collaborative Filtering à la Netflix als Quelldaten-unabhängiger Empfehlungsdienst
* Musik Embeddings zum Vergleich unterschiedlicher Künstler, erstellt via Word2Vec
* Rohdatenanalyse mittels CNN: Musik bewerten durch Techniken der Bildanalyse
Vorkenntnisse
Grobes Verständnis von neuronalen Netzwerken und grundlegendes Statistik-Wissen sind hilfreich.
Lernziele
* Horizont erweitern, wie bestehendes Wissen auf unbekannte Probleme angewendet werden kann
* Einführung/Wiederholung grundlegender maschineller Lernverfahren
* Einige Einblicke darin, wie Empfehlungsdienste für Musik funktionieren
//
Nico Kreiling
@nicoKreiling
begeistert sich für innovative Open-Source-Projekte und ist stets auf der Suche nach neuen Technologieentwicklungen. Er ist Big Data Scientist bei inovex GmbH und arbeitete zuletzt mit diversen Big-Data-Technologien sowie Container- und Cloud-Deployment. Für Datenanalysen setzt er derzeit auf den PyData-Stack zusammen mit Tensorflow und Keras.