Teilleistung
Recommendersysteme [T-WIWI-102847]
Teilleistungsart
Prüfungsleistung schriftlichLeistungspunkte
4.5Turnus
Jedes WintersemesterVersion
1Verantwortung
Einrichtung
- KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von
- Modul Data Science: Advanced CRM | Wirtschaftsingenieurwesen (M.Sc.)
- Modul Data Science: Intelligente, adaptive und lernende Informationsdienste | Wirtschaftsingenieurwesen (M.Sc.)
- Modul Business & Service Engineering | Wirtschaftsingenieurwesen (M.Sc.)
- Modul Data Science: Advanced CRM | Technische Volkswirtschaftslehre (M.Sc.)
- Modul Data Science: Intelligente, adaptive und lernende Informationsdienste | Technische Volkswirtschaftslehre (M.Sc.)
- Modul Business & Service Engineering | Technische Volkswirtschaftslehre (M.Sc.)
- Modul Data Science: Intelligente, adaptive und lernende Informationsdienste | Digital Economics (M.Sc.)
- Modul Business & Service Engineering | Digital Economics (M.Sc.)
- Modul Data Science: Advanced CRM | Wirtschaftsinformatik (M.Sc.)
- Modul Data Science: Intelligente, adaptive und lernende Informationsdienste | Wirtschaftsinformatik (M.Sc.)
- Modul Information Systems: Analytical and Interactive Systems | Wirtschaftsinformatik (M.Sc.)
- Modul Business & Service Engineering | Wirtschaftsinformatik (M.Sc.)
- Modul Data Science: Advanced CRM | Informationswirtschaft (M.Sc.)
- Modul Data Science: Intelligente, adaptive und lernende Informationsdienste | Informationswirtschaft (M.Sc.)
- Modul Business & Service Engineering | Informationswirtschaft (M.Sc.)
Veranstaltungen
Kursnummer | Name | SWS | Typ |
---|---|---|---|
SS20 2540506 | Recommendersysteme | 2 | Vorlesung (V) |
SS21 2540506 | Recommendersysteme | 2 | Vorlesung (V) |
WS22 2540506 | Recommendersysteme | 2 | Vorlesung (V) |
WS23 2540506 | Recommendersysteme | 2 | Vorlesung (V) |
WS21 2540506 | Recommendersysteme | 2 | Vorlesung (V) |
SS22 2540506 | Recommendersysteme | 2 | Vorlesung (V) |
SS21 2540507 | Übungen zu Recommendersysteme | 1 | Übung (Ü) |
WS23 2540507 | Übungen zu Recommendersysteme | 1 | Übung (Ü) |
WS22 2540507 | Übungen zu Recommendersysteme | 1 | Übung (Ü) |
WS21 2540507 | Übungen zu Recommendersysteme | 1 | Übung (Ü) |
SS20 2540507 | Übungen zu Recommendersysteme | 1 | Übung (Ü) |
Prüfungen
Kursnummer | Name | Termine |
---|---|---|
WS20 7900149 | Recommendersysteme (Nachklausur SS 2021) | 14.04.2022 - 09:00 |
WS20 7900149 | Recommendersysteme | 10.03.2023 - 08:00 |
WS20 7900149 | Recommendersysteme (Nachklausur WS 2021/2022) | 04.10.2022 - 02:00 |
WS20 7900149 | Recommendersysteme (Hauptklausur WS 2021/2022) | 11.03.2022 - 08:00 |
WS20 7900149 | Recommendersysteme (Nachklausur WS 2022/2023) | 26.09.2023 - 10:30 |
WS20 7900149 | Recommendersysteme | 06.08.2021 - 11:00 |
WS20 7900149 | Recommendersysteme | 07.08.2020 - 09:00 |
WS20 7900149 | Recommendersysteme (WS 2023/2024) | 14.03.2024 - 02:00 |
WS20 7900149 | Recommendersysteme (Nachklausur WS 2023/2024) | 24.09.2024 - 12:00 |
WS20 7900149 | Recommendersysteme (Nachklausur SS 2020) | 07.04.2021 - 04:00 |
Erfolgskontrolle(n)
Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (Klausur) im Umfang von 60 Minuten nach §4(2), 1 SPO. Die Klausur gilt als bestanden (Note 4,0), wenn mindestens 50 von maximal 100 möglichen Punkten erreicht werden. Die Abstufung der Noten erfolgt jeweils in fünf Punkte Schritten (Bestnote 1,0 ab 95 Punkten). Details zur Notenbildung und Notenskala werden in der Lehrveranstaltung bekanntgegeben.
Durch die erfolgreiche Teilnahme am Übungsbetrieb kann ein Bonus erworben werden. Der maximale Bonus beträgt fünf Punkte (maximal eine Notenstufe (0,3 oder 0,4)) und wird zur erreichten Punktzahl der bestandenen Klausur hinzugerechnet. Die genauen Kriterien für die Vergabe eines Bonus werden zu Vorlesungsbeginn bekanntgegeben.
Voraussetzungen
Keine
Empfehlungen
Keine