Your Rediscover Past: Spotify-Personalisierung selbstgemacht

In dieser Session wird gezeigt, wie man eine eigene automatisierte und personalisierte Playlist für Spotify baut. Hierzu nutzen wir den persönlichen GDPR-Datensatz, den Nutzer bei Spotify anfordern können, sowie die vielseitige Spotify-API.

Wir untersuchen unsere eigenen Nutzungsdaten und erstellen ein Profil über unseren Musikgeschmack. Dieses nutzen wir, um unsere vor langer Zeit gespeicherten Songs zurückzuholen – gefiltert durch unseren aktuellen Musikgeschmack.
Außerdem gibt es einen kleinen Überblick über die aktuellen Trends bei Personalisierung durch Recommender-Systeme.

Vorkenntnisse

  • Grundlegende Kenntnisse in der Datenanalyse mit Python
  • Grundlegende Kenntnisse zum Umgang mit REST APIs
Vorherige Sichtung von Blogpost und Code werden empfohlen:
  • https://medium.com/p/5e8f3b6f04f8
  • https://github.com/mkurovski/liked2play
Es lohnt sich, vorab und rechtzeitig (rd. 14 Tage vorher) die eigenen Daten bei Spotify anzufragen.

Lernziele

  • Übersicht über Personalisierung und Recommender-Systeme
  • Hands-on-Anwendung auf eigene Daten und Umgang mit Spotify API
  • Direkter Nutzen einer eigens automatisiert personalisierten Playlist

Speaker

 

Marcel Kurovski
Marcel Kurovski arbeitet als Senior Data Scientist für inovex. Zu seinen Spezialgebieten zählen Deep Learning, Reinforcement Learning und vor allem Recommender-Systeme. Er konzipiert, entwickelt und produktiviert Recommender-Systeme für Kunden in verschiedenen Branchen. In seinem Podcast "Recsperts" diskutiert er regelmäßig mit Expertinnen und Experten aus Wissenschaft und Industrie.

Gold-Sponsor

infoteam
Novatec

M3-Newsletter

Sie möchten über die Minds Mastering Machines
auf dem Laufenden gehalten werden?

 

Anmelden