Projektexpertise
Worum geht es hier?
Im Oktober 2006 schrieb das Unternehmen Netflix den Netflix Prize
von 1.000.000 Dollar aus. Den Preis sollte das Team bekommen, welches den Film-Empfehlungsalgorithmus von Netflix um mindestens 10 % verbessert.
Dazu veröffentlichte das Unternehmen einen Trainingsdatensatz mit 100.480.507 Bewertungen, in dem 480.189 Nutzer:innen 17.770 Filme bewertet hatten.
Auf Basis dieses Datensatzes, sollte das Bewertungssystem verbessert werden. Im September 2009 wurde der Netflix Prize dem BellKor's Pragmatic Chaos Team verliehen. Sie hatten eine Verbesserung um
10,06 % erzielt.
Im Bereich Data Science unterscheidet man unterschiedliche Vorgehensweisen:
In diesem Projekt beginnst du mit den Daten, so wie auch die Teams, die um den Netflix Prize konkurrierten. Dennoch wirst du dir auch einige Gedanken machen, welche
zusätzlichen Daten für Empfehlungssysteme, aber auch andere Online-Anwendungen, relevant sein könnten. Im Abschnitt "Bereichsexpertise" erarbeitst du dir Grundlagen zu Empfehlungssystemen. Mit dem Datensatz, auf dem wir in diesem Projekt arbeiten werden, machst du
dich im Abschnitt "Datenexpertise" vertraut.- Beginn mit den Daten: Als Data Scientist erhalten wir eine (meist große) Menge an Daten. Unsere Aufgabe ist es, die Daten zu analysieren und möglichst viele hilfreiche Informationen aus ihnen zu gewinnen (z.B. Zusammenhänge und Abhängigkeiten bestimmter Werte).
- Beginn mit der Fragestellung: Als Data Scientist werden wir mit einer Fragestellung beauftragt. Wir sammeln dann verschiedene Daten, die uns für die Beantwortung unserer Fragestellung hilfreich erscheinen.
- Gemischt: Daten und Fragestellung werden iterativ weiterentwickelt. Dabei können sich einerseits aus bestimmten Datenanalysen neue Fragestellungen ergeben oder sich andererseits während des Projekts die Erhebung weiterer Daten als sinnvoll herausstellen.
