Vortrag

Deep Learning for Recommender Systems

Marcel Kurovski mit seinem Talk auf der New Yorker O'Reilly Artificial Intelligence Conference. 

Abstract:

Recommender systems support the decision making processes of customers with personalized suggestions. These widely used systems influence the daily life of almost everyone across domains like ecommerce, social media, and entertainment. However, the efficient generation of relevant recommendations in large-scale systems is a very complex task. In order to provide personalization, engines and algorithms need to capture users’ varying tastes and find mostly nonlinear dependencies between them and a multitude of items. Enormous data sparsity and ambitious real-time requirements further complicate this challenge. At the same time, deep learning has been proven to solve complex tasks like object or speech recognition where traditional machine learning failed or showed mediocre performance.

Join Marcel Kurovski to explore a use case for vehicle recommendations at mobile.de, Germany’s biggest online vehicle market. Marcel shares a novel regularization technique for the optimization criterion and evaluates it against various baselines. To achieve high scalability, he combines this method with strategies for efficient candidate generation based on user and item embeddings—providing a holistic solution for candidate generation and ranking.

The proposed approach outperforms collaborative filtering and hybrid collaborative-content-based filtering by 73% and 143% for MAP@5. It also scales well for millions of items and users returning recommendations in tens of milliseconds.

Speaker: Marcel Kurovski

Event: O'Reilly Artificial Intelligence Conference, New York

Datum: 18.04.2019

Speaker: Marcel Kurovski

Marcel Kurovski

Marcel Kurovski ist Data Scientist bei inovex. Er arbeitet an neuartigen Methoden, um Deep Learning für Recommender Systeme zu nutzen, um Inhalte besser zu personalisieren und die Benutzerfreundlichkeit für Kunden im E-Commerce und im Einzelhandel zu verbessern. Seine Arbeit schließt die Lücke zwischen Proof-of-Concept und skalierbaren KI-Systemen, und seine Forschungsbereiche umfassen Empfehlungssysteme, Deep Learning und Methoden der Approximate NN Search. Er hat einen Master in Wirtschaftsingenieurwesen und Management des Karlsruher Instituts für Technologie (KIT), wo er sich auf Informatik, Machine Learning und Operations Research konzentrierte.

Sie haben Fragen oder möchten zu diesem Thema beraten werden?

Dann rufen Sie uns an unter +49 (0)721 619 021-0 oder schreiben Sie uns eine E-Mail. Wir freuen uns auf Ihre Nachricht!

inovex Events

Hier geht's zu unseren aktuellen Messen, Konferenzen und Meetups.

Zur Event-Liste

inovex Blog

Florian Wilhelm I 17.01.2018

Data Science in Production: Packaging, Versioning and Continuous Integration

Blog-Artikel lesen

Aktuelle News über inovex und die Branche

inovex Newsletter

Jetzt hier anmelden!

Arbeiten bei inovex

inovexperts erzählen ...

Was es konkret im Alltag bedeutet, bei inovex als „inovexpert“ zu arbeiten, erklären die Kolleginnen und Kollegen in unseren inovexpert-Videos. Wir wünschen viel Spaß beim Ansehen!

Jetzt inovexperts-Videos ansehen

inovex Case Study

mobile.de: Use Cases für Recommendations bei Online-Portalen anhand von Datenprodukten

Case Study lesen