Intern
    Data Science Chair

    Praktikum: Machine Learning for Recommendation

    Veranstalter: Prof. Dr. Andreas Hotho, Tobias Koopmann, Elisabeth Fischer

    Umfang: 5 ECTS

    Kurzbezeichnung: 10-I=PRJAK

    WueCampus-Kurs: https://wuecampus.uni-wuerzburg.de/moodle/course/view.php?id=46765

    Anmeldung: lsx-reco-project[at]informatik.uni-wuerzburg.de

    Erstbesprechung: 21.04.2021 um 11:00 Uhr via Zoom (Link im WueCampus-Kurs)

    Konzept

    In diesem Master-Praktikum werden sich die Studierenden mit den Methoden zu Empfehlungssystemen beschäftigen. Dabei arbeiten sie in Kleingruppen an entsprechenden Datensätzen, um damit einen Recommender zu entwickeln. Die Kleingruppen bearbeiten dabei dieselbe Fragestellung. Am Ende des Semesters werden die unterschiedlichen Ansätze und Lösungen vorgestellt und auf einem Test-Datensatz evaluiert.

    Im Zentrum dieses Praktikums steht das Erlernen von ML-Methoden und das wissenschaftlich fundierte Entwickeln von kreativen neuen Ansätzen, um das gesetzte Ziel zu erreichen.

    Inhalt

    In diesem Semester ist es geplant an RecSys 2021 Challenge von Twitter (link) teilzunehmen. Bei dieser Aufgabe geht es um die Erstellung von Empfehlungen für den Kurznachrichtendienst Twitter. Ziel des Praktikums ist es ein ML Modell zu trainieren, dass die in der Challenge gestellten Probleme löst. Für eine erfolgreiche Teilnahme am Praktikum, ist die Einreichung bei der Challenge nicht notwendig aber wünschenswert (Vorläufige Deadline der Challenge: 15.06.2021).

    Ablauf

    In der Bearbeitung der gegebenen Fragestellung innerhalb dieses Praktikums sind die Studierenden sehr frei. Treffen in der Großgruppe sind für alle Teilnehmende im Zwei-Wochen-Rhythmus angesetzt. Bei diesen Treffen werden Zwischenstände präsentiert (evtl. mit kurzen Präsentationen), Fragen geklärt und Probleme diskutiert.

    Am Ende des Semesters sollte jede Kleingruppe ein funktionierendes System vorweisen können, welches auf einem separaten Test-Datensatz evaluiert wird. Bei einem gut funktionierenden System, besteht die Möglichkeit einer wissenschaftlichen Veröffentlichung.

    Zum Start ist ein Kickoff-Termin in der ersten Vorlesungswoche geplant. Dieser wird über Zoom stattfinden. Da die oben genannte Challenge bereits läuft, kann schon vor Start des Semesters mit der Bearbeitung begonnen werden. Wir empfehlen Ihnen einen frühzeitigen Start, falls Sie Ihre Ergebnisse auch bei der Challenge einreichen wollen. Melden Sie sich dazu ab sofort bei uns per Mail an die oben genannte Mail. Gerne können Sie sich auch direkt als Gruppe bei uns melden (3-5 Teilnehmende).

    Leistungsnachweis

    Am Ende des Semesters stellt jede Gruppe ihren Ansatz in einer 15-30 Minuten langen Präsentation vor. Außerdem ist ein Praktikumsbericht im Umfang von 10-15 Seiten abzugeben.