Fiche détaillée d'un cours


 


Voir la fiche établissement

RECOMMENDATION TOOLS

2016-2017

IÉSEG School of Management ( IÉSEG )

Code Cours :

1617-IÉSEG-MBD1S2-MKT-MBDCI04UE

MARKETING


Niveau Année de formation Période Langue d'enseignement 
MSc in Big Data Analytics for Business1S2Anglais
Professeur(s) responsable(s)S.GEUENS
Intervenant(s)S.GEUENS



Modalités d'enseignement

Organisation du cours

TypeNombre d'heuresRemarques
Présentiel
Cours interactif16,00  
Autoformation
Recherche6,00  
Travail personnel
Group Project18,00  
Individual Project10,00  
Charge de travail globale de l'étudiant50,00  

Méthodes pédagogiques

  • Travaux dirigés
  • Recherche
  • Projet
  • Cours interactif


Évaluation

Type de ContrôleDuréeNombrePondération
Autres
Projet Collectif18,00140,00
Projet Individuel10,00125,00
Contrôle continu
Participation16,00135,00
TOTAL     100,00

Bibliographie

  • Ricci, F., Rokach, L., Shapira, B., Kantor P.B. (2011). Recommendation Systems Handbook. Springer: NewYork, ISBN 978-0-387-85819-7 -

  • Recommender Systems: An Introduction by Dietmar Jannach, Markus Zanker, Alexander Felfernig, Gerhard Friedrich ; 2010 ; ISBN-10: 0521493366; Cambridge University Press -

  • Herlocker, J. L., Konstan, J. A., Terveen, K., & Riedl, J. T. (2004). Evaluating Collaborative Filtering Recommender Systems. ACM Transactions on Information Systems, 22(1), 5-53. -

  • Bobadilla, J., Ortega, F., Hernando, A., & Gutierrez, A. (2013). Recommender systems survey. Knowledge-Based Systems, 46, 109-132 -

  • Adomavicius, G., & Tuzhilin, A. (2005). Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions. IEEE Transactions on Knowledge and Data Engineering, 17(6), 734-749 -

  • Burke, R. (2002). Hybrid Recommender Systems: Survey and Experiments. User Modeling and User-Adapted Interaction, 12(4), 331-370 -




 
* Informations non contractuelles et pouvant être soumises à modification
 
 
Vidéo : Un campus à vivre
Notre chaîne Youtube