Lehrgebiet: Software Engineering / Web Engineering
Büro: 03.01.173 (Campus Mülheim)
Telefon: 49 208 88254-817
E-Mail:

Gedikli
Fatih Gedikli ist Professor für „Big Data, Data Warehousing, Mobile und Social Commerce“ am Institut für Informatik der Hochschule Ruhr West. Er ist auf dem Lehrgebiet Software Engineering und Web Engineering tätig und bringt langjährige Berufserfahrung aus der Software-Industrie mit. Er hat als leidenschaftlicher Senior Software Engineer agile sowie klassische IT-Projekte insbesondere im Web-Umfeld und im Big-Data-Kontext in allen Phasen durchgeführt.

Sein Forschungsschwerpunkt liegt in der Erforschung und Entwicklung von Empfehlungssystemen, eine der erfolgreichsten Anwendungen des Maschinellen Lernens. Im Zeitalter der Informationsüberflutung spielen Empfehlungssysteme eine immer wichtigere Rolle, da sie Menschen bei der Entscheidungsfindung unterstützen können. Bei Fragestellungen wie „Welches Buch soll ich lesen?“ oder „Welches Hotel soll ich wählen?“ sind Empfehlungssysteme aus unserem Alltag nicht mehr wegzudenken. Empfehlungssysteme kommen heute üblicherweise als verkaufsunterstützende Anwendungen in Webseiten zum Einsatz und weisen den Konsumenten bspw. auf Produkte, Dienstleistungen oder Nachrichten hin, an denen er interessiert sein könnte, die er aber noch nicht kennt. Empfehlungssysteme zählen schon heute zu den wichtigsten Technologien des World Wide Web und bilden die Schlüsseltechnologie für das personalisierte Web der Zukunft.

Prof. Dr. Gedikli hat Algorithmen zur Erhöhung der Vorhersagegenauigkeit von Empfehlungssystemen erforscht und entwickelt. Er hat zum Beispiel das Konzept der Bewertungen für Social Web Tagging-Daten eingeführt und im Rahmen einer Evaluation gezeigt, wie Tag-Bewertungen mittels maschinellen Lernverfahren die Vorhersagegenauigkeit solcher Systeme verbessern können [1]. Außerdem hat er Erklärungsschnittstellen für Empfehlungssysteme entworfen und analysiert. In verschiedenen UI-Benutzerstudien konnte er zeigen, wie verschiedene Erklärungsschnittstellen von Empfehlungssystemen die Wahrnehmung der Benutzer beeinflussen können [2].

Als begeisterter Verfechter für Big-Data-Analysen beschäftigt sich Prof. Dr. Fatih Gedikli mit Lösungen und Tools für das automatische Erkennen und Lernen von Zusammenhängen aus großen Datenmengen. Die Informationsextraktion aus großen Datenmengen mittels Deep Learning gehört zu den wichtigsten Forschungsfeldern von Prof. Dr. Gedikli.

ARBEITS- UND FORSCHUNGSSCHWERPUNKTE

    • ???
    • ???
    • ???

WISSENSCHAFTLICHE EINRICHTUNGEN

    • Labor mit Verlinkung
    • ???
    • ???

LEHRVERANSTALTUNGEN IM STUDIENGANG E-COMMERCE

    • Grundlagen der Informatik und Programmierung
    • Softwaretechnik
    • Webtechnologien und mobile Anwendungen
    • Big Data

PROJEKTE

    • Projekt mit Verlinkung
    • ???
    • ???

WISSENSCHAFTLICHE MITARBEITER*INNEN

Fatih Özgan

Büro:

AUSGEWÄHLTE PUBLIKATIONEN

  • 21 Einträge « 1 von 3 »

    2014

    21.

    Gedikli, Fatih; Jannach, Dietmar

    Recommender Systems, Semantic-Based Sonstige

    2014.

    BibTeX | Schlagwörter:

    20.

    Gedikli, Fatih; Jannach, Dietmar; Ge, Mouzhi

    How should I explain? A comparison of different explanation types for recommender systems Artikel

    In: International Journal of Human-Computer Studies, 72 (4), S. 367–382, 2014.

    BibTeX | Schlagwörter:

    2013

    19.

    Jannach, Dietmar; Lerche, Lukas; Gedikli, Fatih; Bonnin, Geoffray

    What recommenders recommend--an analysis of accuracy, popularity, and sales diversity effects Inproceedings

    In: International conference on user modeling, adaptation, and personalization, S. 25–37, 2013.

    BibTeX | Schlagwörter:

    18.

    Gedikli, Fatih

    An analysis of the effects of using different explanation styles Buchkapitel mit eigenem Titel

    In: Recommender Systems and the Social Web, S. 69–87, Springer, 2013.

    BibTeX | Schlagwörter:

    17.

    Gedikli, Fatih

    Recommender systems and the social web: Leveraging tagging data for recommender systems Buch

    Springer Science & Business Media, 2013.

    BibTeX | Schlagwörter:

    16.

    Gedikli, Fatih

    Summary and perspectives Buchkapitel mit eigenem Titel

    In: Recommender Systems and the Social Web, S. 89–92, Springer, 2013.

    BibTeX | Schlagwörter:

    15.

    Gedikli, Fatih; Jannach, Dietmar

    Improving recommendation accuracy based on item-specific tag preferences Artikel

    In: ACM Transactions on Intelligent Systems and Technology (TIST), 4 (1), S. 1–19, 2013.

    BibTeX | Schlagwörter:

    2012

    14.

    Jannach, Dietmar; Karakaya, Zeynep; Gedikli, Fatih

    Accuracy improvements for multi-criteria recommender systems Inproceedings

    In: Proceedings of the 13th ACM conference on electronic commerce, S. 674–689, 2012.

    BibTeX | Schlagwörter:

    13.

    Jannach, Dietmar; Gedikli, Fatih; Karakaya, Zeynep; Juwig, Oliver; others,

    Recommending hotels based on multi-dimensional customer ratings Inproceedings

    In: ENTER, S. 320–331, 2012.

    BibTeX | Schlagwörter:

    12.

    Ge, Mouzhi; Jannach, Dietmar; Gedikli, Fatih

    Bringing diversity to recommendation lists--an analysis of the placement of diverse items Inproceedings

    In: International Conference on Enterprise Information Systems, S. 293–305, 2012.

    BibTeX | Schlagwörter:

    21 Einträge « 1 von 3 »

RESEARCHGATE PROFIL

GOOGLE SCHOLAR PROFIL