15.02.2024 • 30 Min.

„Für dich empfohlen“: Wundert ihr euch auch manchmal, wie passend die Musikvorschläge des Streamingdienstes eures Vertrauens sind? Sebastian Klatt von der METRO.digital zeigt in dieser Folge, wie so genannte „Recommender-Systeme“ unter der Haube aussehen: Welche Kriterien spielen dabei eine Rolle? Wie geht man vor, wenn man noch gar nichts über den User weiß (Stichwort: Coldstart-Problem)? Was sind erste Schritte zum eigenen Recommender-System? Und wie hole ich mir am besten Feedback von meinen Nutzern? Fest steht: Empfehlungsmechanismen sind in der heutigen App- und E-Commerce-Welt ein Überlebenskriterium. Und: „Recommender-Systeme sind nur so gut, wie sie von Usern angenommen werden.“ (Sebastian). Kapitel: (00:00:00) Vorstellung Sebastian Klatt (00:01:07) Einführung in Recommender-Systeme. Collaborative Filtering, Content-Based Filtering (00:05:00) Coldstart-Problem und hybrider Ansatz (00:12:30) Architekturen & Kontext (00:13:55) Erste Schritte zum eigenen Recommender-System (00:17:45) TensorFlow Recommenders (00:18:31) Explizites & implizites Feedback (00:20:44) Wichtige Aspekte bei der Erstellung von Recommender-Systemen (00:26:20) Learnings