Leseprobe
Gliederung
1. Einleitung
1.1 Problemstellung
1.2 Zielsystem
2. Machine Learning
2.1 Supervised Learning
2.2 Unsupervised Learning
2.3 Reinforcement Learning
2.4 Neuronale Netze
3. Python und seine Anwendung im Machine Learning
4. Empfehlungssysteme
4.1 Überblick
4.2 Die Daten-Pipeline
4.3 Kollaboratives Filtern
4.4 Content-basiertes Filtern
4.5 Wissensbasierte Systeme
4.6 Hybride Systeme
5. Die Realisierung in Python
5.1 Benutzerbasiertes kollaboratives Filtern
5.2 Modell-basiertes kollaboratives Filtern
5.3 Content-basiertes Filtern
6. Fazit und Ausblick
6.1 Neue Algorithmen
6.2 Manipulierte Bewertungen
6.3 Ethische und juristische Fragen
Literaturverzeichnis
Abbildungsverzeichnis
Ende der Leseprobe aus 43 Seiten
- Arbeit zitieren
- Michael Gehrmann (Autor:in), 2019, Design, Test und Validierung von Machine Learning-basierten Empfehlungssystemen unter Anwendung der Programmiersprache Python, München, GRIN Verlag, https://www.grin.com/document/511500
Kostenlos Autor werden
✕
Leseprobe aus
43
Seiten
Kommentare