i

Projekt: Empfehlungssysteme

Worum geht es?

Bestimmt kennst du Streamingdienste, wie zum Beispiel Netflix, Disney+ oder Amazon Prime, und benutzt diese vielleicht sogar. Auf der Startseite findest du meist Hinweise wie: "Top-Auswahl für Sie" oder "Empfehlungen für dich". Hast du dich schonmal gefragt, wie genau diese Filmempfehlungen entstehen? In diesem Data Science Projekt entwickelst du ein eigenes Empfehlungssystem für Filme. Dieses basiert auf Ansätzen, die auch bekannte Streamingdienste nutzen.

Vorgehensweise

Data Science Zyklus

Im Zentrum eines Data Science Projekts stehen immer die Daten. Um diese drehen sich die einzelnen Projektschritte. In der Praxis hat sich das CRISP-DM Modell für Datenprojekte weitestgehend durchgesetzt. Es bildet die Basis für jegliche Arbeitsprozesse von Data Scientists in Unternehmen der freien Wirtschaft. CRISP-DM ist ein iteratives Modell, das heißt bestimmte Schritte werden abhängig von dem aktuellen Ergebnis mehrfach durchlaufen.


Angelehnt an dieses Modell gliedern wir unsere Arbeitsschritte zur Entwicklung unseres Empfehlungssystems (siehe Kapitelaufbau):

  • Projektexpertise
    • Bereichsexpertise: Wir beschäftigen uns intensiv mit verschiedenen Formen vom Empfehlungssystem und den dafür verwendeten Informationen.
    • Datenexpertise: Wir untersuchen unsere Daten und visualisieren erste Erkenntnisse.
  • Datenvorbereitung: Wir bereiten unsere Daten auf die maschinelle Verarbeitung vor.
  • Modellentwicklung: Wir nutzen ein maschinelles Lernmodell, um ein Empfehlungssystem umzusetzen.
  • Modellevaluierung: Wir bewerten, wie gut unser Modell funktioniert und überlegen uns Strategien zur Verbesserung des Modells.
Anschließend werden wir uns mit dem Phänomen der Filterblase beschäftigen, welches eng mit Empfehlungssystemen verknüpft ist.

Suche

v
5.1.3.3.1
inf-schule.de/ki/menueansicht/maschinelles_lernen_mit_python/data_science/projekt_empfehlungssysteme
inf-schule.de/5.1.3.3.1
inf-schule.de/@/page/zNPMlZXqQvBKYI9i

Rückmeldung geben