Seminar Apache PredictionIO Recommendation und Similar Product

Dieses Seminar konzentriert sich auf die in der Praxis wichtigsten PredictionIO-Szenarien: personalisierte Empfehlungen und die Ermittlung ähnlicher Produkte oder Inhalte. Es zeigt, wie aus Event-Daten belastbare Recommendation-Services entstehen, wie die offiziellen Templates aufgebaut sind und wie Ergebnisse fachlich sinnvoll gefiltert und erweitert werden.

Ziele

Nach dem Seminar können Recommendation- und Similar-Product-Templates fachgerecht eingesetzt, trainiert, bereitgestellt und in Anwendungen integriert werden. Zusätzlich wird gezeigt, wie Event-Muster, Filterregeln und Ergebnisdarstellung so angepasst werden, dass die Empfehlungen nicht nur technisch funktionieren, sondern fachlich brauchbar werden.

Zielgruppe

Das Seminar richtet sich an Entwickler, Produktteams und Data Engineers, die konkrete Empfehlungsszenarien mit Apache PredictionIO umsetzen oder vorhandene Services zielgerichtet verbessern wollen.

Vorkenntnisse

Empfohlen werden Grundkenntnisse zu PredictionIO, APIs und Datenmodellen. Wer bereits mit Event-Daten arbeitet, steigt besonders schnell in die praktischen Teile ein.

Inhalte

• Aufbau und Einsatz der offiziellen Recommendation- und Similar-Product-Templates
• Typische Event-Muster wie View, Buy, Like, Rate und deren fachliche Bedeutung
• Training, Deployment und Abfrage von Empfehlungsergebnissen
• Implizite und explizite Präferenzen sowie deren Auswirkungen auf das Ergebnis
• Mehrere Events, mehrere Algorithmen und Kombination von Ergebnislisten
• Filterlogik, Blacklists, Kontextinformationen und Anpassung von Query-Parametern
• Ausgabe zusätzlicher Item-Eigenschaften und sinnvolle Ergebnisaufbereitung
• Evaluation, Tuning und Einbindung in Commerce-, Portal- oder Content-Szenarien

Praxis

Im Seminar werden Beispiel-Engines trainiert, ausgerollt und per Query angesprochen. Darüber hinaus werden fachliche Anpassungen direkt nachvollzogen, damit aus einer Vorlage ein brauchbarer Dienst für den eigenen Anwendungsfall wird.