CRM/ Recommender Systems

 

Die Klausureinsicht findet am 12.10.16 um 14 Uhr im Raum G29-021 statt.

Termine

TagZeitRhythmusZeitraumRaumLehrpersonBemerkungMax. Teilnehmer/-innen
Vorlesung (V) - Termine:
Di. 15:00 bis 17:00 wöchentlich G29-K059 (28 Plätze) Spiliopoulou Lehrpreisträger/-in   25
Übung (Ü) - Termine:
Mo.11:00 bis 13:00wöchentlichG22A-128 (24 Plätze) Matuszyk  

Übersicht (from LSF)

Lerninhalte

Die Studierenden werden mit der Wichtigkeit der Kundenbeziehungspfllege im Unternehmen vertraut werden, und sie werden lernen, welche Funktionalitäten und welche Werkzeuge bei Customer Relationship Management notwendig sind. Sie werden Empfehlungsmaschinen als Werkzeug zur Gestaltung einer beidseitig profitablen Interaktion zwischen Unternehmen und Kunden kennenlernen, und mit den Funktionsweisen, Anforderungen und Evaluationsmechanismen von Empfehlungsmaschinen vertraut werden. Insbesodere erzielt das Modul:

  • Erwerb von Grundkenntnissen zu CRM
  • Erwerb von Grundkenntnissen zur Nutzung und zur Gestaltung von Empfehlungsmaschinen
  • Erwerb von Grundkenntnissen zur Datenanalyse und –auswertung innerhalb einer Empfehlungsmaschinen
  • Umgang mit Empfehlungsmaschinen in der Praxis
Kurzkommentar

In den ersten zwei Vorlesungswochen werden Vorlesungen auch in den Übungsstunden stattfinden. Der Grund dafür ist ein späterer Ausfall mancher Vorlesungstermine bedingt durch eine Dienstreise.

Literatur

CRM:

H. Hippner, K. D. Wilde (Hrsg.): Grundlagen des CRM, Konzepte und Gestaltung. Gabler Verlag, Wiesbaden (2007) – Auszüge.

RecSys:

F. Ricci, L. Rokach, B. Shapira (eds). Recommender Systems Handbook. Springer 2011. Verfügbar über OPAC. Auswahl aus Kapiteln:

  • Ch. 1 "Introduction to Recommender Systems Handbook"
  • Ch 2 "Data Mining Methods for Recommender Systems"
  • Ch 3 "Content-Based Recommender Systems: State of the Art and Trends", Sections 3.1-3.3
  • Ch 4 "A Comprehensive Survey of Neighborhood-based Recommendation Methods", Sections 4.1-4.2
  • Ch 8 "Evaluating Recommendation Systems"
  • Ch 10 " How to Get the Recommender Out of the Lab?"


Auswahl von Fallstudien und wissenschaftlichen Artikeln (Angaben zum Semesterbeginn)

Voraussetzungen

Hintergrund in den Grundlagen der Informatik ist erforderlich.

Hintergrund in den Grundlagen der Wirtschaftsinformatik ist nicht erforderlich.

Material zur Lehrveranstaltung

Vorlesungsfolien:

Übungsmaterialien:

 

Last Modification: 17.10.2017 - Contact Person:

Sie können eine Nachricht versenden an: M. Sc. Pawel Matuszyk
Sicherheitsabfrage:
Captcha
 
Lösung: