Recommender Systems. Stefan Beckers Praxisprojekt ASDL SS 2006 Universität Duisburg-Essen April 2006

Größe: px
Ab Seite anzeigen:

Download "Recommender Systems. Stefan Beckers Praxisprojekt ASDL SS 2006 Universität Duisburg-Essen April 2006"

Transkript

1 Recommender Systems Stefan Beckers Praxisprojekt ASDL SS 2006 Universität Duisburg-Essen April 2006

2 Inhalt 1 - Einführung 2 Arten von Recommender-Systemen 3 Beispiele für RCs 4 - Recommender-Systeme und Daffodil 5 Schwächen von Recommender-Systemen 6 - Fazit

3 1. - Einführung Aufgaben von Recommender-Systemen Empfehlungssysteme, die den Nutzer bei der Entscheidungsfindung unterstützen Automatisch generierte Empfehlungen Schlußfolgerung auf Basis von vorhandenen Daten

4 1. - Einführung Motivation Bessere und effizientere Nutzung der Informationsmenge des WWW Eigene Recherche ohne fremde Hilfe immer schwieriger Suchmaschinen nicht personalisiert genug bei Darstellung und Suche

5 1. - Einführung Aufbau eines Recommender-Systems

6 1. - Einführung Einsatzgebiete E-Commerce E-Learning Informations- und Nachrichtenportale...

7 2. - Arten von Recommender-Systemen Arten von Recommender-Systemen Regelbasiert Wissensbasiert Inhaltsbasiert (content-based filtering) Empfehlungsbasiert (collaborative filtering)

8 2. - Arten von Recommender-Systemen Regelbasierte Recommender-Systeme Empfehlungen basieren auf Regeln der Form Wenn A, dann B Wissensbasierte Recommender-Systeme Funktionales Wissen, wie Objekte mit den Bedürfnissen des Benutzers übereinstimmen Nachteil: Knowledge Engineering

9 2. - Arten von Recommender-Systemen Content-based filtering Ähnlichkeit von Objekten wird über deren Eigenschaften bestimmt Das System sucht Objekte heraus, deren Attribute identisch oder ähnlich zu den bisher positiv bewerteten sind

10 2. - Arten von Recommender-Systemen Content-based filtering Ursprung aus dem Information Retrieval Wird meistens für Textdokumente angewendet Objekte sind nun Dokumente mit Textinhalten Findet in der Praxis Anwendung bei Bibliotheken, Webseiten, Informationsportalen oder Newsgroups

11 2. - Arten von Recommender-Systemen Algorithmen Boolean Matching - Relevanz ist abhängig von der Existenz bestimmter Eigenschaften des Objekts. - Binäre Bewertung des Dokumentes - Schlüsselwörter können mit AND, OR, NOT verknüpft werden - Rangfolge bezüglich der Relevanz nicht ohne weiteres möglich

12 2. - Arten von Recommender-Systemen Algorithmen Vektorraummodell

13 2. - Arten von Recommender-Systemen Collaborative filtering Grundlage ist die Beziehung zwischen Objekten und Benutzern Objekte sind ähnlich, wenn sie ähnlich bewertet wurden

14 2. - Arten von Recommender-Systemen Collaborative filtering Zwei Arten von Algorithmen - Speicherbasiert - Modellbasiert

15 2. - Arten von Recommender-Systemen Speicherbasiert Proximitätsberechnung Berechnung der Ähnlichkeit zwischem dem aktiven Benutzer und den in der Datenmatrix gespeicherten mittels kosinusbasiertem oder korrelationsbasiertem Ähnlichkeitsmaß Liefert Werte [0;1] Liefert Werte [-1;1]

16 2. - Arten von Recommender-Systemen Speicherbasiert Ermittlung der ähnlichen Benutzer (Mentoren) - Ähnlickeitsmaß muß berechenbar sein - Benutzer b muß mindestens ein noch nicht von a bewertetes Objekt bewertet haben - Mindestähnlichkeit möglich

17 2. - Arten von Recommender-Systemen Speicherbasiert Ähnlichkeit zwischen Nutzer 1 und allen anderen Nutzern Beispiel für Rambo :

18 2. - Arten von Recommender-Systemen Modellbasiert Verfahren basiert auf einem Modell, das auf Basis der Bewertungen der Datenmatrix erlernt wurde Modell wird in der Offline-Phase erstellt Prognose kann somit schnell erstellt werden Clustermodelle, Bayessche Netze

19 - Benutzer mit ähnlichen Präferenzen werden in Clustern zusammengefaßt - In der Phase der Clusteranalyse werden die Nutzer eingeteilt - Ziel: Nutzer eines Clusters möglichst ähnlich, Nutzer verschiedener Cluster möglichst unähnlich - Während der Laufzeitphase wird der aktive Benutzer probabilistisch den Clustern zugeordnet - Die Objekte, die empfohlen werden, sind diejenigen, die von den anderen Nutzern des Clusters positiv bewertet wurden 2. - Arten von Recommender-Systemen Modellbasiert Clustermodell

20 2. - Arten von Recommender-Systemen Modellbasiert

21 2. - Arten von Recommender-Systemen Modellbasiert Filme Personen Wahrscheinlichkeiten für jede Person/Film-Cluster - Kombination

22 2. - Arten von Recommender-Systemen Modellbasiert Bayessche Netze

23 2. - Arten von Recommender-Systemen Hybride Systeme Kombination aus zwei oder mehr Verfahren Meistens Collaborative filtering kombiniert mit einem anderen Verfahren Beispiel: Item-based Collaborative filtering von Amazon:

24 2. - Arten von Recommender-Systemen Hybride Systeme Vorgehensweise: - Offline: Ähnlichkeiten zwischen Items werden mithilfe der User/Item-Matrix berechnet - Ähnlichkeitstabelle für alle bewerteten Items - Online: Suche nach ähnlichen Items Offline-Berechnung zeitaufwendig, Online-Berechnung schnell Offline-Berechnung möglich, weil Beziehungen zwischen Produkten statisch Liefert Empfehlungen in Echtzeit

25 2. - Arten von Recommender-Systemen Hybride Systeme Kombinationsmöglichkeiten

26 3. - Beispiele für Recommender-Systeme Movielens (http://www.movielens.org)

27 3. - Beispiele für Recommender-Systeme Movielens

28 3. - Beispiele für Recommender-Systeme Rating Zone (http://www.ratingzone.com)

29 3. - Beispiele für Recommender-Systeme Rating Zone

30 3. - Beispiele für Recommender-Systeme Jester (http://shadow.ieor.berkeley.edu/humor)

31 3. - Beispiele für Recommender-Systeme

32 4. - Recommender-Systeme und Daffodil Recommender-Systeme und Daffodil Empfehlungen von DLOs (Digital Library Objects) an User oder Gruppen Empfehlungen basieren nicht auf Bewertungen der User, sondern auf der Organisation der DLOs in Ordnern Vergleich zwischen User/Gruppen und ihren gespeicherten DLOs Bei ausreichender Überlappung, können Obkekte empfohlen werden

33 4. - Recommender-Systeme und Daffodil Recommender-Systeme und Daffodil Unterschiede - Normalerweise geht ein Recommender-Sytem nur von einem Objekttyp aus. Die Datenmenge, auf der die Empfehlungen basieren, besteht aus verschiedenen Objekttypen (-> Gewichtungsfaktoren für DLOs) - Verschiedene Arten von Beziehungen zwischen DLOs (-> Ähnlichkeit des Inhaltes, Strukturelle Beziehungen zwischen verschiedenen Objekttypen, Beziehungen zwischen Objekten desselben Typs)

34 4. - Recommender-Systeme und Daffodil Recommender-Systeme und Daffodil - Normalerweise formen die Daten eines Users eine einzige Menge. In Daffodil organisieren die User ihre Daten in verschieden Ordnern, die verschiedene Kontexte beschreiben (-> nur Objekte im selben Ordner wird bei der Empfehlung berücksichtigt) Übertragbarkeit auf das Praxisprojekt?

35 5. - Schwächen von Recommender-Systemen Schwächen Collaborative filtering - Sparsity-Problem - Coldstart-Problem - New-Item-Problem - New-User-Problem - Blackbox-Problem - Datenschutz Content-based filtering - Pflegen des Datenbestandes - Überspezialisierung

36 6. Fazit Fazit Recommender-Systeme haben sich z. B. im E- Commerce durchgesetzt Zukunft: Hybride Systeme Probleme, die noch zu lösen sind: Datenschutz, Vertrauen der User

37 X. Quellen Anja Lehmann: Recommender Systems, TU Dresden, Hauptseminar Multimediatechnik, 2004 Matthias Funk: Recommender Systems in Theorie und Praxis, Seminararbeit, JWvG-Universität Frankfurt am Main Norbert Fuhr et al: Recommendation in a Collaborative Digital Library Enviroment, Universität Dortmund, 2001 Adam Glogowski: Recommender Systems, Seminararbeit, Universität Duisburg-Essen, 2006 Robin Burke: Integrating Knowledge-based and Collaborative-filtering Recommender Systems, University of California, 1999 Wikipedia: Artikel Collaborative filtering, Stand Lars Diestelhorst: Recommendation Engines, TU Hamburg-Harburg, 2001 Robin Burke: Hybrid Recommender Systems: Survey and Experiments, California State University, 2002 Feilong Xu: Einführung in Recommender-Systeme, Universität des Saarlandes Badrul M. Sawar et al: Recommender Systems for Large-scale E-Commerce: Scalable Neighborhood Formation Using Clustering, University of Minnesota, 2003

Seminararbeit zum Thema. Recommender-Systeme. von. Stefan Muno. 8. Dezember 2008. Im Rahmen des Seminars: Soziales Retrieval im Web 2.

Seminararbeit zum Thema. Recommender-Systeme. von. Stefan Muno. 8. Dezember 2008. Im Rahmen des Seminars: Soziales Retrieval im Web 2. Seminararbeit zum Thema Recommender-Systeme von Stefan Muno 8. Dezember 2008 Im Rahmen des Seminars: Soziales Retrieval im Web 2.0 Sommersemester 2008 Betreuer: Prof. Dr.-Ing. Norbert Fuhr Lehrstuhl für

Mehr

Web Services und Recommender Systeme

Web Services und Recommender Systeme Web Services und Recommender Systeme Proseminar Semantic Web UNI Kaiserslautern Ralf Kretschmann Gliederung Web Services Motivation für (Semantic) Web Services Grundlagen: Zusammenspiel Beschreibungssprachen

Mehr

Vorstellung des Diplomarbeitsthemas. dawn. (direction. anticipation in web-navigation. navigation) Sebastian Stober 12.

Vorstellung des Diplomarbeitsthemas. dawn. (direction. anticipation in web-navigation. navigation) Sebastian Stober 12. Vorstellung des Diplomarbeitsthemas dawn (direction anticipation in web-navigation navigation) Sebastian Stober 12. August 2005 Motivation Suchmaschinen & Verzeichnisse bieten einem User einen guten Einstiegspunkt

Mehr

Seminar Datenbanksysteme

Seminar Datenbanksysteme Seminar Datenbanksysteme Recommender System mit Text Analysis für verbesserte Geo Discovery Eine Präsentation von Fabian Senn Inhaltsverzeichnis Geodaten Geometadaten Geo Discovery Recommendation System

Mehr

Detecting Near Duplicates for Web Crawling

Detecting Near Duplicates for Web Crawling Detecting Near Duplicates for Web Crawling Gurmeet Singh Manku et al., WWW 2007* * 16th international conference on World Wide Web Detecting Near Duplicates for Web Crawling Finde near duplicates in großen

Mehr

Internet-Suchmaschinen Ein kurzes Exposee zu drei wichtigen Informationsseiten im Internet. 04.03.2012 Computeria Rorschach Roland Liebing

Internet-Suchmaschinen Ein kurzes Exposee zu drei wichtigen Informationsseiten im Internet. 04.03.2012 Computeria Rorschach Roland Liebing Internet-Suchmaschinen Ein kurzes Exposee zu drei wichtigen Informationsseiten im Internet 04.03.2012 Computeria Rorschach Roland Liebing Internet-Suchmaschinen Eine Suchmaschine ist ein Programm zur Recherche

Mehr

Nutzer verwenden außerbibliothekarische Recherchesysteme zur Vorbereitung von Literatursuchen in Bibliotheksangeboten (Akselbo et al. 2006, S.

Nutzer verwenden außerbibliothekarische Recherchesysteme zur Vorbereitung von Literatursuchen in Bibliotheksangeboten (Akselbo et al. 2006, S. VuFind seit 2007 Produktiver Betrieb und Entwicklung seit 2008: Suchkiste für DFG Nationallizenzen: http://finden.nationallizenzen.de/ Ergebnis aus positiven Erfahrungen: GBV Discovery Index: Solr Index

Mehr

Lehrangebot. Fachgebiet Informationssysteme Prof. Dr. Norbert Fuhr. N. Fuhr, U. Duisburg-Essen. Lehrangebot

Lehrangebot. Fachgebiet Informationssysteme Prof. Dr. Norbert Fuhr. N. Fuhr, U. Duisburg-Essen. Lehrangebot Lehrangebot Fachgebiet Informationssysteme Prof. Dr. Norbert Fuhr N. Fuhr, U. Duisburg-Essen Lehrangebot 1 Lehrangebot des FG Informationssysteme Datenbanken Internet-Suchmaschinen Information Retrieval

Mehr

DAFFODIL: Übersicht und Entwicklung von möglichen Algorithmen für Recommendation

DAFFODIL: Übersicht und Entwicklung von möglichen Algorithmen für Recommendation Diplomarbeit DAFFODIL: Übersicht und Entwicklung von möglichen Algorithmen für Recommendation Phillip Look Diplomarbeit am Fachbereich Informatik der Universität Dortmund 17. September 2003 Betreuer: Prof.

Mehr

Semantische Bildsuche mittels kollaborativer Filterung und visueller Navigation

Semantische Bildsuche mittels kollaborativer Filterung und visueller Navigation Semantische Bildsuche mittels kollaborativer Filterung und visueller Navigation Prof. Dr. Kai Uwe Barthel HTW Berlin / pixolution GmbH Übersicht Probleme der gegenwärtigen Bildsuchsysteme Schlagwortbasierte

Mehr

Web Information Retrieval. Zwischendiskussion. Überblick. Meta-Suchmaschinen und Fusion (auch Rank Aggregation) Fusion

Web Information Retrieval. Zwischendiskussion. Überblick. Meta-Suchmaschinen und Fusion (auch Rank Aggregation) Fusion Web Information Retrieval Hauptseminar Sommersemester 2003 Thomas Mandl Überblick Mehrsprachigkeit Multimedialität Heterogenität Qualität, semantisch, technisch Struktur Links HTML Struktur Technologische

Mehr

Einsatz von Collaborative Filtering zur Datenprognose

Einsatz von Collaborative Filtering zur Datenprognose Einsatz von Collaborative Filtering zur Datenprognose Seminararbeit im Rahmen des Einführungsseminar Data Mining im Wintersemester 2003/2004 Fabian Bohnert fabian.bohnert@mathematik.uni-ulm.de Universität

Mehr

Universität Duisburg-Essen, Standort Duisburg Institut für Informatik und interaktive Systeme Fachgebiet Informationssysteme

Universität Duisburg-Essen, Standort Duisburg Institut für Informatik und interaktive Systeme Fachgebiet Informationssysteme Universität Duisburg-Essen, Standort Duisburg Institut für Informatik und interaktive Systeme Fachgebiet Informationssysteme Studienprojekt Invisible Web (Dipl.-Inform. Gudrun Fischer - WS 2003/04) Blockseminar

Mehr

Infrastruktur für Web Intelligent Systems

Infrastruktur für Web Intelligent Systems Infrastruktur für Web Intelligent Systems Thema: Business Intelligence Teil II: Data Mining & Knowledge Discovery von Christian Merker Gliederung Web-Intelligent-Systeme Begriffsklärung Personalisiertes

Mehr

Einführung. Information Retrieval. IR-Aufgaben. IR in Beispielen. Adhoc-Suche: Web. IR in Beispielen. Was ist IR? Norbert Fuhr

Einführung. Information Retrieval. IR-Aufgaben. IR in Beispielen. Adhoc-Suche: Web. IR in Beispielen. Was ist IR? Norbert Fuhr Einführung Information Retrieval Norbert Fuhr 13. Oktober 2011 IR in Beispielen Was ist IR? Daten Information Wissen Dimensionen des IR Rahmenarchitektur für IR-Systeme Adhoc-Suche: Web IR in Beispielen

Mehr

Web Services Einsatzmöglichkeiten für das Information Retrieval im WWW

Web Services Einsatzmöglichkeiten für das Information Retrieval im WWW Web Services Einsatzmöglichkeiten für das Information Retrieval im WWW Fabio Tosques & Philipp Mayr Frankfurt am Main, den 24. Mai 2005 27. Online-Tagung der DGI 2005 1 Überblick Datenanalyse mittels screen

Mehr

Schön, dass Sie da sind. 16. Juni 2008. E-Commerce im Handel SS 2008 Lehrbeauftragte: Maria-Christina Nimmerfroh

Schön, dass Sie da sind. 16. Juni 2008. E-Commerce im Handel SS 2008 Lehrbeauftragte: Maria-Christina Nimmerfroh Schön, dass Sie da sind. 16. Juni 2008 E-Commerce im Handel SS 2008 Lehrbeauftragte: Maria-Christina Nimmerfroh Personalisierung (Online- Marketing) Anpassung des Angebotes/der Seite/der Elemente an den

Mehr

Business Semantics bei productpilot.com

Business Semantics bei productpilot.com Jochen Geise Senior Consultant Henric Uherek Product Manager Online Marketing KnowTech 2010, 15. Oktober 2010 Business Semantics bei productpilot.com - Zukunftsorientiertes Business Matching auf Basis

Mehr

Einführung in die Wissensverarbeitung und Data Mining

Einführung in die Wissensverarbeitung und Data Mining Einführung in die Wissensverarbeitung und Data Mining Peter Becker FH Bonn-Rhein-Sieg Fachbereich Angewandte Informatik!" $# Vorlesung Wintersemester 2001/02 1. Einführung Vorbemerkungen 1 Einführung Vorbemerkungen

Mehr

Personalisierung. Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung. Data Mining.

Personalisierung. Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung. Data Mining. Personalisierung Personalisierung Thomas Mandl Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung Klassifikation Die Nutzer werden in vorab bestimmte Klassen/Nutzerprofilen

Mehr

Diplomarbeit. IPTV: Chancen durch Individualisierung

Diplomarbeit. IPTV: Chancen durch Individualisierung Diplomarbeit IPTV: Chancen durch Individualisierung Entscheidungsunterstützung bei der Auswahl von Inhalten für Nutzer und bei der individualisierten und kontextabhängigen Belegung von Werbeunterbrechungen

Mehr

Prof. Dr.-Ing. Klaus Meißner PD Dr.-Ing. habil. Martin Engelien (Hrsg.)

Prof. Dr.-Ing. Klaus Meißner PD Dr.-Ing. habil. Martin Engelien (Hrsg.) Technische Universität Dresden Fakultät Informatik Professur für Multimediatechnik, Privat-Dozentur für Angewandte Informatik Prof. Dr.-Ing. Klaus Meißner PD Dr.-Ing. habil. Martin Engelien (Hrsg.) an

Mehr

Personalisierung und Benutzermodellierung. Aufdecken von Benutzerinteressen und Benutzerbedürfnissen: Mining U s Interests

Personalisierung und Benutzermodellierung. Aufdecken von Benutzerinteressen und Benutzerbedürfnissen: Mining U s Interests Personalisierung und Benutzermodellierung Aufdecken von Benutzerinteressen und Benutzerbedürfnissen: Mining U s Interests Prof. Dr. N. Henze 18. Juni 2007 Inhaltsverzeichnis 6 Aufdecken von Benutzerbedürfnissen

Mehr

Recommendation Engines im E Commerce

Recommendation Engines im E Commerce Recommendation Engines im E Commerce Funktionsweise Einsatzgebiete Wirtschaftlichkeit Silvio Steiger, prudsys AG www.prudsys.de Ziele mehr Kunden die mehr kaufen Persönlich relevante: Angebote Inhalte

Mehr

Google s PageRank. Eine Anwendung von Matrizen und Markovketten. Vortrag im Rahmen der Lehrerfortbildung an der TU Clausthal 23.

Google s PageRank. Eine Anwendung von Matrizen und Markovketten. Vortrag im Rahmen der Lehrerfortbildung an der TU Clausthal 23. Google s PageRank Eine Anwendung von Matrizen und Markovketten Vortrag im Rahmen der Lehrerfortbildung an der TU Clausthal 23. September 2009 Dr. Werner Sandmann Institut für Mathematik Technische Universität

Mehr

Szenengraph-Architekturen im Kontext von VR- und AR-Anwendungen

Szenengraph-Architekturen im Kontext von VR- und AR-Anwendungen Szenengraph-Architekturen - 1 Szenengraph-Architekturen im Kontext von VR- und AR-Anwendungen Hauptseminar Medieninformatik Christina Eicher 10. Mai 2004 Inhalt Szenengraph-Architekturen - 2 Teil 1: Szenengraphen

Mehr

Suchmaschinen und ihre Architektur. Seminar: Angewandtes Information Retrieval Referat von Michael Wirz

Suchmaschinen und ihre Architektur. Seminar: Angewandtes Information Retrieval Referat von Michael Wirz Suchmaschinen und ihre Architektur Seminar: Angewandtes Information Retrieval Referat von Michael Wirz Ziel Rudimentäre Grundkenntnisse über die Funktionsweise von Suchmaschinen und Trends Einführung in

Mehr

Facebook's Mobile Strategy. Potenziale für Social Recommendation und M-Commerce

Facebook's Mobile Strategy. Potenziale für Social Recommendation und M-Commerce Facebook's Mobile Strategy Potenziale für Social Recommendation und M-Commerce Agenda Märkte & Trends Newsfeed, Graph Search & Facebook Home Social Recommendation & M-Commerce Mücke, Sturm & Company 1

Mehr

Mein Laden im Netz. Mit und ohne Online-Shop im Internet verkaufen. Karsten Höft Projektleiter ecommerce

Mein Laden im Netz. Mit und ohne Online-Shop im Internet verkaufen. Karsten Höft Projektleiter ecommerce Mein Laden im Netz Mit und ohne Online-Shop im Internet verkaufen Sichtbar und aktiv im Web Das ebusiness-praxisforum Ruhr 2015 Agenda Überblick Hinweis: Diese Vortragsversion entspricht nicht der originalen

Mehr

DAFFODIL : Nutzerorientiertes Zugangssystem für heterogene Digitale Bibliotheken

DAFFODIL : Nutzerorientiertes Zugangssystem für heterogene Digitale Bibliotheken DAFFODIL : Nutzerorientiertes Zugangssystem für heterogene Digitale Bibliotheken C.-P. Klas N. Fuhr S. Kriewel A. Schaefer G. Fischer Informatik 2005 Outline Motivation Strategische Unterstützung Höhere

Mehr

Die (Un )Möglichkeit der Ziehung von Inhaltsanalyse Stichproben in der digitalen Welt

Die (Un )Möglichkeit der Ziehung von Inhaltsanalyse Stichproben in der digitalen Welt CvK Wien, 8. November 2013 1 Prof. Dr. Martin Emmer Institut für Publizistik- und Kommunikationswissenschaft Arbeitsstelle Mediennutzung Martin Emmer/Christian Strippel Die (Un )Möglichkeit der Ziehung

Mehr

Researcher s Workbench : Verwalten, Annotieren und Finden von Dokumenten

Researcher s Workbench : Verwalten, Annotieren und Finden von Dokumenten Researcher s Workbench : Verwalten, Annotieren und Finden von Dokumenten Ingo Frommholz, Henrik Nottelmann, Norbert Fuhr IIIS Universität Duisburg-Essen, Campus Duisburg Studienprojekt SS05 UNIVERSITÄT

Mehr

Forschungsdaten in der Hochenergiephysik - Aufgaben der Bibliothek

Forschungsdaten in der Hochenergiephysik - Aufgaben der Bibliothek Forschungsdaten in der Hochenergiephysik - Aufgaben der Bibliothek Dr. Zaven Akopov Deutsches Elektronen-Synchrotron DESY Inhalt DPHEP Aktivität HEP Daten: Herausforderungen und Besonderheiten Anforderungen

Mehr

Geschichte des Internets Suchmaschinen Fachinformationszentren. Institute for Science Networking

Geschichte des Internets Suchmaschinen Fachinformationszentren. Institute for Science Networking Geschichte des Internets Suchmaschinen Fachinformationszentren Kurze Geschichte des Internets Internet: Geschichte beginnt mit der Entwicklung paketvermittelter Netze. Bei der Paketvermittlung werden Nachrichten

Mehr

Detecting Anomaly and Failure in Web Applications

Detecting Anomaly and Failure in Web Applications Detecting Anomaly and Failure in Web Applications Motivation ReWeb & TestWeb case studies andere Tools Anhang Detecting Anomaly and Failure in Web Applications Stefan Topf 26.04.2006 Seite 1/13 Motivation

Mehr

PROGRAMMATIC MARKETING

PROGRAMMATIC MARKETING PROGRAMMATIC MARKETING 21.10.2014 1 21.10.2014 2 21.10.2014 3 Programmatic Marketing...mehr als Real Time Advertising (RTA) bzw. Real Time Bidding (RTB)...sämtliche Online Marketing-Maßnahmen, die von

Mehr

Relationale Datenbanken Datenbankgrundlagen

Relationale Datenbanken Datenbankgrundlagen Datenbanksystem Ein Datenbanksystem (DBS) 1 ist ein System zur elektronischen Datenverwaltung. Die wesentliche Aufgabe eines DBS ist es, große Datenmengen effizient, widerspruchsfrei und dauerhaft zu speichern

Mehr

Empfehlungssysteme aus informationswissenschaftlicher

Empfehlungssysteme aus informationswissenschaftlicher aus informationswissenschaftlicher Sicht State of the Art Stefanie Höhfeld und Melanie Kwiatkowski, Düsseldorf Informationswissenschaft Empfehlungssysteme tragen Inhalte individuell an Nutzer im WWW heran,

Mehr

Event-basierte Visualisierung zeitabhängiger Datensätze

Event-basierte Visualisierung zeitabhängiger Datensätze Fakultät Informatik, Institut für Software- und Multimediatechnik, Professur für Computergrafik zeitabhängiger Datensätze Florian Weidner Dresden, 3. Jun 2013 (Betreut von Dr. Sebastian Grottel) Gliederung

Mehr

Text- und Datamining

Text- und Datamining Text- und Datamining Verwaltungtechnisches und Themenübersicht Jan Schrader, Morgan Harvey, Martin Hacker .@cs.fau.de Organisatorisches Folien eine Woche vor Präsentation abgeben (per Email)

Mehr

Ausblick: Der Medienkonsum der Zukunft

Ausblick: Der Medienkonsum der Zukunft Ausblick: Der Medienkonsum der Zukunft 1 Ausblick: Der Medienkonsum der Zukunft 1.1 Zukünftige Bedeutung der Medien für die Konsumenten Medien werden immer wichtiger, sie prägen den Alltag der Konsumenten

Mehr

Kommunikation, Information und mobile verteilte Systeme (KIS)

Kommunikation, Information und mobile verteilte Systeme (KIS) Qualifikationsziele Heutzutage sind nahezu alle wichtigen Informationssysteme verteilt, d.h., fast immer erbringt nicht nur ein Computer alleine eine bestimmte Dienstleistung, sondern es sind mehrere Rechner,

Mehr

Betrachtung von Verfahren zur Posenbestimmung und Merkmalsexktraktion. Thorsten Jost INF-MA SR Wintersemester 2008/2009 1.

Betrachtung von Verfahren zur Posenbestimmung und Merkmalsexktraktion. Thorsten Jost INF-MA SR Wintersemester 2008/2009 1. Betrachtung von Verfahren zur Posenbestimmung und Merkmalsexktraktion Thorsten Jost INF-MA SR Wintersemester 2008/2009 1. Dezember 2008 Agenda Motivation Feature Detection SIFT MOPS SURF SLAM Monte Carlo

Mehr

Item-based Collaborative Filtering aus der Perspektive des. Customer Relationship Managements

Item-based Collaborative Filtering aus der Perspektive des. Customer Relationship Managements Item-based Collaborative Filtering aus der Perspektive des Customer Relationship Managements Seminararbeit aus Informationswirtschaft zum Thema: Recommender Systems Grundlagen und Anwendungen unter der

Mehr

Semantik Visualisierung

Semantik Visualisierung Semantik Visualisierung Seminar im Wintersemester 2010/2011 GRIS Technische Universität Darmstadt Kawa Nazemi Fraunhofer IGD Fraunhoferstraße 5 64283 Darmstadt kawa.nazemi@igd.fraunhofer.de kawa.nazemi@gris.informatik@tu-darmstadt.de

Mehr

Voraussetzung wieder: Datenraum mit Instanzen, mehrere Attribute - kein ausgezeichnetes Zielattribut, keine vorgegebenen Klassen

Voraussetzung wieder: Datenraum mit Instanzen, mehrere Attribute - kein ausgezeichnetes Zielattribut, keine vorgegebenen Klassen 7. Clusteranalyse (= Häufungsanalyse; Clustering-Verfahren) wird der multivariaten Statistik zugeordnet Voraussetzung wieder: Datenraum mit Instanzen, mehrere Attribute - kein ausgezeichnetes Zielattribut,

Mehr

Data-Mining: Ausgewählte Verfahren und Werkzeuge

Data-Mining: Ausgewählte Verfahren und Werkzeuge Fakultät Informatik Institut für Angewandte Informatik Lehrstuhl Technische Informationssysteme Data-Mining: Ausgewählte Verfahren und Vortragender: Jia Mu Betreuer: Dipl.-Inf. Denis Stein Dresden, den

Mehr

1. Das Projekt LEFOS 2. Empfehlungssysteme für Cross-Selling 3. Kundenanalyse zur weiteren Personalisierung 4. Zusammenfassung

1. Das Projekt LEFOS 2. Empfehlungssysteme für Cross-Selling 3. Kundenanalyse zur weiteren Personalisierung 4. Zusammenfassung am Beispiel eines Online-Shops Artus Krohn-Grimberghe Anneke Minke 10.06.2010 1 Universität Hildesheim Agenda 1. Das Projekt LEFOS 2. Empfehlungssysteme für Cross-Selling 3. Kundenanalyse zur weiteren

Mehr

Datenbankmodelle 1. Das Entity-Relationship-Modell. Prof. Dr. Bernhard Schiefer 2-1

Datenbankmodelle 1. Das Entity-Relationship-Modell. Prof. Dr. Bernhard Schiefer 2-1 Datenbankmodelle 1 Das Entity-Relationship-Modell Prof. Dr. Bernhard Schiefer 2-1 Datenbankmodelle ER-Modell hierarchisches Modell Netzwerkmodell relationales Modell objektorientierte Modelle Prof. Dr.

Mehr

Personalisierung elektronischer Märkte: Möglichkeiten und Techniken

Personalisierung elektronischer Märkte: Möglichkeiten und Techniken Personalisierung elektronischer Märkte: Möglichkeiten und Techniken Vortrag in der Lehrveranstaltung Unternehmen im internationalen Leistungswettbewerb von Stefan Marr Agenda 2 Motivation Nutzen für Kunden

Mehr

Cognitive Systems Master thesis

Cognitive Systems Master thesis Cognitive Systems Master thesis Recherche Phase SS 2011 Gliederung 1. Einleitung 2. Analogie Modelle 2.1 SME 2.2 Ava 2.3 Lisa 3. Zusammenfassung 4. Ausblick 2 Einleitung Analogie Problemsituation wird

Mehr

Animation der Montage von CATIA-Bauteilen

Animation der Montage von CATIA-Bauteilen Animation der Montage von CATIA-Bauteilen KONZEPTION UND PROTOTYP PRÄSENTATION ZUM PRAXISPROJEKT SS 2007 VON TIM HERMANN BETREUER: PROF. DR. HORST STENZEL Motivation Voraussetzungen Ziele Datenkonvertierung

Mehr

TOURiST. Einsatz kontextsensi-ver Informa-onssysteme zum Management von Personenflüssen

TOURiST. Einsatz kontextsensi-ver Informa-onssysteme zum Management von Personenflüssen Einsatz kontextsensi-ver Informa-onssysteme zum Management von Personenflüssen TOURiST Tagung»Kultur und Informa-k Mul-mediale Systeme«12. Mai 2011 Berlin Fraunhofer- GesellschaP in Deutschland Führende

Mehr

Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS

Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS Dezember 007 Dipl.-Ing. Stefan Abu Salah Dipl.-Ing. Achim Marikar QoS (Quality of Service): Sicherstellung der Qualität Zeitkritische

Mehr

Gruppenentscheidungsprozesse im Requirements Engineering

Gruppenentscheidungsprozesse im Requirements Engineering 11. Requirements Engineering Tagung 2012 Gruppenentscheidungsprozesse im Requirements Engineering Alexander Felfernig 1 und Leopold Weninger 2 1 Technische Universität Graz, Österreich 2 wsop GmbH, Österreich

Mehr

Web Data Management Systeme

Web Data Management Systeme Web Data Management Systeme Seminar: Web-Qualitätsmanagement Arne Frenkel Agenda Einführung Suchsysteme Suchmaschinen & Meta-Suchmaschinen W3QS WebSQL WebLog Information Integration Systems Ariadne TSIMMIS

Mehr

Studierende, die diese Vorlesung hören, haben sich auch für folgende Lehrveranstaltungen interessiert:

Studierende, die diese Vorlesung hören, haben sich auch für folgende Lehrveranstaltungen interessiert: Studierende, die diese Vorlesung hören, haben sich auch für folgende Lehrveranstaltungen interessiert: 1 des FG Informationssysteme Datenbanken Internet-Suchmaschinen Information Retrieval Information

Mehr

Wie Klassen the people ins Netz gehen

Wie Klassen the people ins Netz gehen Overview 1 1. Find out why software engineering is important see some software engineering failures 2. Get acquainted with Software the Chair of Reuse Software Engineering the research Wie Klassen the

Mehr

Clustering (hierarchische Algorithmen)

Clustering (hierarchische Algorithmen) Clustering (hierarchische Algorithmen) Hauptseminar Kommunikation in drahtlosen Sensornetzen WS 2006/07 Benjamin Mies 1 Übersicht Clustering Allgemein Clustering in Sensornetzen Clusterheads Cluster basiertes

Mehr

Design von Reputationssystemen für online Communities

Design von Reputationssystemen für online Communities 4. Paderborner Frühjahrstagung Modelle im E-Business - Session 5 - Design von en für online Communities Dipl.-Kfm. Christian Bizer Fachbereich Wirtschaftswissenschaft Lehrstuhl für Wirtschaftsinformatik

Mehr

WEKA A Machine Learning Interface for Data Mining

WEKA A Machine Learning Interface for Data Mining WEKA A Machine Learning Interface for Data Mining Frank Eibe, Mark Hall, Geoffrey Holmes, Richard Kirkby, Bernhard Pfahringer, Ian H. Witten Reinhard Klaus Losse Künstliche Intelligenz II WS 2009/2010

Mehr

Das Komplexe einfach machen

Das Komplexe einfach machen Das Komplexe einfach machen Semantik und Visualisierung im Bibliothekskatalog der Zukunft 14. April 2015 Dr. Jens Mittelbach, SLUB Dresden Das Komplexe einfach machen Semantik und Visualisierung im Bibliothekskatalog

Mehr

Repeatable Benchmarking Mahout

Repeatable Benchmarking Mahout Studienarbeitsexposé Repeatable Benchmarking Mahout Entwicklung eines Lasttest-Rahmenwerkes für Apache Mahout von: Oliver Fischer Institut für Informatik Humbold-Universität zu Berlin Matrikelnummer: 19

Mehr

Service-Oriented Software in the Humanities: A Software Engineering Perspective Nicolas Gold (King's College London)

Service-Oriented Software in the Humanities: A Software Engineering Perspective Nicolas Gold (King's College London) War in Parliament: What a Digital Approach Can Add to the Study of Parliamentary History Hinke Piersma, Ismee Tames (NIOD Institute for War, Holocaust and Genocide Studies) Lars Buitinck, Johan van Doornik,

Mehr

50/11. Amtliches Mitteilungsblatt. 21. Dezember 2011. Seite. Zweite Ordnung zur Änderung der Studienordnung

50/11. Amtliches Mitteilungsblatt. 21. Dezember 2011. Seite. Zweite Ordnung zur Änderung der Studienordnung Nr. 50/11 Amtliches Mitteilungsblatt der HTW Berlin Seite 841 50/11 21. Dezember 2011 Amtliches Mitteilungsblatt Seite Zweite Ordnung zur Änderung der Studienordnung für den Internationalen Studiengang

Mehr

Webinfolab / CHEVAL: Evaluationslabor für Information Retrieval Systeme mit semantischen und visuellen Komponenten

Webinfolab / CHEVAL: Evaluationslabor für Information Retrieval Systeme mit semantischen und visuellen Komponenten Webinfolab / CHEVAL: Evaluationslabor für Information Retrieval Systeme mit semantischen und visuellen Komponenten Vortrag anlässlich der ODOK 2007 (20. September 2007, Graz) Joachim Pfister Schweizerisches

Mehr

Exploration und Klassifikation von BigData

Exploration und Klassifikation von BigData Exploration und Klassifikation von BigData Inhalt Einführung Daten Data Mining: Vorbereitungen Clustering Konvexe Hülle Fragen Google: Riesige Datenmengen (2009: Prozessieren von 24 Petabytes pro Tag)

Mehr

Dokumenten-Clustering. Norbert Fuhr

Dokumenten-Clustering. Norbert Fuhr Dokumenten-Clustering Norbert Fuhr Dokumenten-Clustering (Dokumenten-)Cluster: Menge von ähnlichen Dokumenten Ausgangspunkt Cluster-Hypothese : die Ähnlichkeit der relevanten Dokumente untereinander und

Mehr

Proseminar - Data Mining

Proseminar - Data Mining Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2012, SS 2012 1 Data Mining Pipeline Planung Aufbereitung Modellbildung Auswertung Wir wollen nützliches Wissen

Mehr

Aufbau und Pflege von Internetseiten leicht gemacht

Aufbau und Pflege von Internetseiten leicht gemacht Aufbau und Pflege von Internetseiten leicht gemacht Einführung in die Grundlagen der CMS (Content Management Systeme) Was ist ein CMS? frei übersetzt: Inhaltsverwaltungssystem ist ein System, das die gemeinschaftliche

Mehr

Tutorium Algorithmen & Datenstrukturen

Tutorium Algorithmen & Datenstrukturen June 16, 2010 Binärer Baum Binärer Baum enthält keine Knoten (NIL) besteht aus drei disjunkten Knotenmengen: einem Wurzelknoten, einem binären Baum als linken Unterbaum und einem binären Baum als rechten

Mehr

Online-Recherche: Web-Recherche WS 2015/2016 7. Veranstaltung 3. Dezember 2015

Online-Recherche: Web-Recherche WS 2015/2016 7. Veranstaltung 3. Dezember 2015 Online-Recherche: Web-Recherche WS 2015/2016 7. Veranstaltung 3. Dezember 2015 Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis.org GESIS Leibniz-InsJtut für SozialwissenschaNen

Mehr

Large-Scale Mining and Retrieval of Visual Data in a Multimodal Context

Large-Scale Mining and Retrieval of Visual Data in a Multimodal Context Diss. ETH No. 18190 Large-Scale Mining and Retrieval of Visual Data in a Multimodal Context A dissertation submitted to the SWISS FEDERAL INSTITUTE OF TECHNOLOGY ZURICH for the degree of Doctor of Technical

Mehr

Web-Suchmaschinen: Suchverhalten, Informationsqualität, Trends. Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de

Web-Suchmaschinen: Suchverhalten, Informationsqualität, Trends. Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de Web-Suchmaschinen: Suchverhalten, Informationsqualität, Trends Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de Agenda Nutzerverhalten Wie gut sind die gängigen Suchmaschinen? Suche und Web 2.0

Mehr

Befragung und empirische Einschätzung der Praxisrelevanz

Befragung und empirische Einschätzung der Praxisrelevanz Befragung und empirische Einschätzung der Praxisrelevanz eines Vorgehensmodells zur Auswahl von CRM-Systemen D I P L O M A R B E I T zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen

Mehr

User Experience vs. Retrievaltests Wie lässt sich die Relevanz von Suchergebnissen bewerten?

User Experience vs. Retrievaltests Wie lässt sich die Relevanz von Suchergebnissen bewerten? User Experience vs. Retrievaltests Wie lässt sich die Relevanz von Suchergebnissen bewerten? Prof. Dr. Dirk Lewandowski Hochschule für Angewandte Wissenschaften Hamburg dirk.lewandowski@haw-hamburg.de

Mehr

Überblick. Seminar Beauty is our Business Tipps zur Ausarbeitung. 12.7.2007 Felix Naumann

Überblick. Seminar Beauty is our Business Tipps zur Ausarbeitung. 12.7.2007 Felix Naumann Seminar Beauty is our Business Tipps zur Ausarbeitung 12.7.2007 Felix Naumann Überblick 2 Organisatorisches Tipps zur Ausarbeitung Literatur Ihre Gliederungen 1 Organisatorisches 3 Heute letzter Termin

Mehr

Seminar. NoSQL Datenbank Technologien. Michaela Rindt - Christopher Pietsch. Richtlinien Ausarbeitung (15. November 2015)

Seminar. NoSQL Datenbank Technologien. Michaela Rindt - Christopher Pietsch. Richtlinien Ausarbeitung (15. November 2015) Seminar Datenbank Technologien Richtlinien Ausarbeitung (15. November 2015) Michaela Rindt - Christopher Pietsch Agenda 1 2 3 1 / 12 Richtlinien Ausarbeitung (15. November 2015) Teil 1 2 / 12 Richtlinien

Mehr

Graphenalgorithmen und lineare Algebra Hand in Hand Vorlesung für den Bereich Diplom/Master Informatik

Graphenalgorithmen und lineare Algebra Hand in Hand Vorlesung für den Bereich Diplom/Master Informatik Vorlesung für den Bereich Diplom/Master Informatik Dozent: Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK KIT Universität des Landes

Mehr

Einsatz von Recommender-Systemen zum Management von Unternehmensportalen

Einsatz von Recommender-Systemen zum Management von Unternehmensportalen MKWI 2010 IKT-gestützte Unternehmenskommunikation 1819 Einsatz von Recommender-Systemen zum Management von Unternehmensportalen Institute of Information Systems and Management, Karlsruhe Institute of Technology

Mehr

Continuous Information Quality Assessment in Stream Based Smart City Frameworks

Continuous Information Quality Assessment in Stream Based Smart City Frameworks Continuous Information Quality Assessment in Stream Based Smart City Frameworks 19. VDE/ITG Fachtagung Mobilkommunikation Osnabrück, 22.05.2014 Thorben Iggena Tel.: +49 541/969-2723 E-Mail: t.iggena@hs-osnabrueck.de

Mehr

Verkäufer/-in im Einzelhandel. Kaufmann/-frau im Einzelhandel. belmodi mode & mehr ein modernes Unternehmen mit Tradition.

Verkäufer/-in im Einzelhandel. Kaufmann/-frau im Einzelhandel. belmodi mode & mehr ein modernes Unternehmen mit Tradition. Eine gute Mitarbeiterführung und ausgeprägte sind dafür Das ist sehr identisch des Verkäufers. Eine gute Mitarbeiterführung und ausgeprägte sind dafür Das ist sehr identisch des Verkäufers. Eine gute Mitarbeiterführung

Mehr

Vom E-Commerce lernen: RFID und Smartphone als Konversionsoptimierer im stationären Modehandel

Vom E-Commerce lernen: RFID und Smartphone als Konversionsoptimierer im stationären Modehandel Vom E-Commerce lernen: RFID und Smartphone als Konversionsoptimierer im stationären Modehandel Bearbeitet von Niklas Dorn 1. Auflage 2015. Taschenbuch. 124 S. Paperback ISBN 978 3 95485 310 6 Format (B

Mehr

Siehe auch Heide Balzert: Lehrbuch der Objektmodellierung.

Siehe auch Heide Balzert: Lehrbuch der Objektmodellierung. Siehe auch Heide Balzert: Lehrbuch der Objektmodellierung. 9. Analyse Muster 1 Der Unterschied von Analyse und Design Pattern besteht auch in der zeitlichen Abfolge. Analyse Muster werden in der Analyse

Mehr

Datenbank- Recherche. SS 2015 8. Veranstaltung 18. Juni 2015. Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis.

Datenbank- Recherche. SS 2015 8. Veranstaltung 18. Juni 2015. Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis. Datenbank- Recherche SS 2015 8. Veranstaltung 18. Juni 2015 Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis.org GESIS Leibniz- InsFtut für SozialwissenschaJen 2 Themen der heu2gen

Mehr

Von Tags zu Semantischen Netzen

Von Tags zu Semantischen Netzen Von Tags zu Semantischen Netzen Einsatz im Resourcen-basierten Lernen httc Hessian Telemedia Technology Competence-Center e.v - www.httc.de Dipl.-Inf. Renato Domínguez García Doreen Böhnstedt, M. Sc. Dipl.-Inf.

Mehr

Data Mining und Knowledge Discovery in Databases

Data Mining und Knowledge Discovery in Databases Data Mining und Knowledge Discovery in Databases Begriffsabgrenzungen... Phasen der KDD...3 3 Datenvorverarbeitung...4 3. Datenproblematik...4 3. Möglichkeiten der Datenvorverarbeitung...4 4 Data Mining

Mehr

WIRTSCHAFTSUNIVERSITÄT WIEN DIPLOMARBEIT

WIRTSCHAFTSUNIVERSITÄT WIEN DIPLOMARBEIT WIRTSCHAFTSUNIVERSITÄT WIEN DIPLOMARBEIT Titel der Diplomarbeit: Recommendersysteme im M-Commerce Verfasserin/Verfasser: Erich Brenner Matrikel-Nr.: 9350443 Studienrichtung: Betriebswirtschaft J151 Beurteilerin/Beurteiler:

Mehr

Google findet Teilen gut? Eine empirische Studie zum Einfluss von Facebook- Shares und Co. auf das organische Ranking von Suchmaschinen

Google findet Teilen gut? Eine empirische Studie zum Einfluss von Facebook- Shares und Co. auf das organische Ranking von Suchmaschinen Google findet Teilen gut? Eine empirische Studie zum Einfluss von Facebook- Shares und Co. auf das organische Ranking von Suchmaschinen Christin Hildebrandt / Christina Schumann / Jens Wolling Agenda Einführung

Mehr

Leitfaden Grundlagenkurs. Literaturrecherche

Leitfaden Grundlagenkurs. Literaturrecherche Leitfaden Grundlagenkurs Literaturrecherche 1 Literatur ermitteln Vorüberlegungen Literatur ermitteln ist ein Handwerk. Um dieses Handwerk nutzen zu können, müssen vier Voraussetzungen geklärt werden:

Mehr

Der neue Kunde kommt mit Handy: Smartphones & digitale Dienste am Point of Sale. Frankfurt am Main - Webchance 31. August 2014-11 Uhr

Der neue Kunde kommt mit Handy: Smartphones & digitale Dienste am Point of Sale. Frankfurt am Main - Webchance 31. August 2014-11 Uhr Der neue Kunde kommt mit Handy: Smartphones & digitale Dienste am Point of Sale Frankfurt am Main - Webchance 31. August 2014-11 Uhr Axel Hoehnke GF / Managing Partner sembassy Executive Board / MobileMonday

Mehr

Mining top-k frequent itemsets from data streams

Mining top-k frequent itemsets from data streams Seminar: Maschinelles Lernen Mining top-k frequent itemsets from data streams R.C.-W. Wong A.W.-C. Fu 1 Gliederung 1. Einleitung 2. Chernoff-basierter Algorithmus 3. top-k lossy counting Algorithmus 4.

Mehr

Brigitte Ernst, Benedikt Rüdiger, Ruben Held und Lena Winkler bilden zusammen Ernst & Ruediger, eine Gruppe, die sich gerne mit Daten befasst und in

Brigitte Ernst, Benedikt Rüdiger, Ruben Held und Lena Winkler bilden zusammen Ernst & Ruediger, eine Gruppe, die sich gerne mit Daten befasst und in Brigitte Ernst, Benedikt Rüdiger, Ruben Held und Lena Winkler bilden zusammen Ernst & Ruediger, eine Gruppe, die sich gerne mit Daten befasst und in «sich und Anderen interessiert ist». Dies ist die Dokumentation

Mehr

Wann ist mobiles Lernen sinnvoll?

Wann ist mobiles Lernen sinnvoll? Wann ist mobiles Lernen sinnvoll? studiumdigitale Universität Frankfurt/M Was ist überhaupt mobiles Lernen? Szenarien mobilen Lernens Inneruniversitäre Nutzung Informationen zur Studienorganisation Bsp.

Mehr

Lernzielkatalog Internet

Lernzielkatalog Internet Lernzielkatalog Internet Voraussetzungen: Grundkenntnisse von Windows ab Version 95 Groblernziele Die Teilnehmer/innen haben... die Fertigkeit, die beiden wichtigsten Internet-Dienste (WWW und E-Mail)

Mehr

Braucht Social TV ein neues Interface? Felix Segebrecht

Braucht Social TV ein neues Interface? Felix Segebrecht Braucht Social TV ein neues Interface? Felix Segebrecht Braucht Social TV ein neues Interface? Nein! Social TV hat sehr erfolgreiche Interfaces Was ist social TV? Gemeinsam gucken? Im Büro über den Tatort

Mehr

Entwicklung eines Recommender- Systems auf Basis von Indoor-Tracking- Daten zur Generierung personalisierter Informationssysteme

Entwicklung eines Recommender- Systems auf Basis von Indoor-Tracking- Daten zur Generierung personalisierter Informationssysteme Hochschule für Technik und Wirtschaft Berlin Fachbereich Wirtschaftswissenschaften II Angewandte Informatik Diplomarbeit Entwicklung eines Recommender- Systems auf Basis von Indoor-Tracking- Daten zur

Mehr

Fit für die Recherche?! Literatursuche für die Seminar- oder Abschlussarbeit in den Sozialwissenschaften

Fit für die Recherche?! Literatursuche für die Seminar- oder Abschlussarbeit in den Sozialwissenschaften Fit für die Recherche?! Literatursuche für die Seminar- oder Abschlussarbeit in den Sozialwissenschaften Sommersemester 2016 März 2016 Verlauf der Veranstaltung vor der Recherche richtige Vorbereitung

Mehr

Eliciting Requirements for a Company-wide Data Leakage Prevention System

Eliciting Requirements for a Company-wide Data Leakage Prevention System Eliciting Requirements for a Company-wide Data Leakage Prevention System Stefan Gärtner, Svenja Schulz, and Kurt Schneider Software Engineering Group, Leibniz Universität Hannover, Germany Steffen Förster

Mehr