LFU:online

Absolvent:innen dieses Kurses haben ein vertieftes Verständnis im Bereich von Recommender Systems erlangt und die Fertigkeit erworben, sich selbständig auf dem Gebiet weiterzubilden.

Grundlagen von Recommender Systems; nicht-personalisierte Recommender Systems; kollaboratives Filtern; inhaltsbasiertes Filtern; hybride Recommender Systems; Matrixfaktorisierung; fortgeschrittene Techniken für Recommender Systems; Evaluation von Recommender Systems

Interaktive Vorlesung; praktische Übungen und Projekte; Diskussion aktueller Publikationen

schriftliche Klausur und Präsentationen der Studierenden

• Practical Recommender Systems; Kim Falk; Manning Publications; 2019.
• Recommender Systems Handbook; Francesco Ricci, Lior Rokach,  Bracha Shapira; Springer; 3rd edition; 2022.
• Recommender Systems: The Textbook; Charu C. Aggarwal; Springer; 2016.

 Weitere Unterlagen sind auf OLAT bzw. in den Vorlesungsfolien verfügbar. 

Für Studierende des Masterstudiengangs Wirtschaftsinformatik: positive Beurteilung des Moduls gemäß § 7 Abs. 2 Z 2.

Verfahren zur Vergabe der Plätze bei Lehrveranstaltungen mit Teilnahmebeschränkung (PS, SE, VU, PJ)

Bei Lehrveranstaltungen mit einer beschränkten Zahl von Teilnehmerinnen und Teilnehmern werden die Plätze wie folgt vergeben:

1. Studierende, denen aufgrund der Zurückstellung eine Verlängerung der Studienzeit erwächst, sind bevorzugt zuzulassen.

2. Reicht Z 1 zur Regelung der Zulassung zu einer Lehrveranstaltung nicht aus, so sind an erster Stelle Studierende, für die diese Lehrveranstaltung Teil eines Pflichtmoduls ist, und an zweiter Stelle Studierende, für die diese Lehrveranstaltung Teil eines Wahlmoduls ist, bevorzugt zuzulassen.

3. Reichen Z 1 und 2 zur Regelung der Zulassung zu einer Lehrveranstaltung nicht aus, so werden die vorhandenen Plätze verlost.

Curriculum MA Informatik 2021W