Netflix Prize
Diese Seite wurde seit mehr als 7 Monaten inhaltlich nicht mehr aktualisiert. Unter Umständen ist sie nicht mehr aktuell.
Bemerkungen
Der Netflix-Prize ist mindestens aus drei Gründen interessant. Er lässt sich als Beispiel für folgende Phänomene verwenden:- Crowdsourcing: Netflix hat zentrale Aufgaben des eigenen Geschäfts als Wettbewerb ausgelagert und alle eingeladen, einen besseren Empfehlungsalgorithmus zu entwickeln. Früher wäre es undenkbar gewesen, eine für das Geschäftsmodell so zentrale Aufgabe öffentlich auszuschreiben.
- Machine learning: Anhand des Netflix-Prizes lässt sich einigermassen allgemeinverständlich die Funktionsweise von Empfehlungs-Algorithmen aufziegen und somit ein Beitrag zur Erklärung von machine learning leisten.
- Zunehmende Unanonymisierbartkeit: Anhand der im Rahmen des Netflix-Prizes veröffentlichen Daten wurde aufgezeigt, dass sich einzelne Personendaten in einem grossen, scheinbar anonymisierten Datensatz herausdestillieren lassen und dass deshalb zunehmend die Gefahr besteht, dass Daten nicht mehr anonymisierbar sind.
Verwandte Objeke
Verwandte Begriffe (Cozitation) |  Empfehlungs-Algorithmus, Gruppenpolarisation, Watson,  Gesichtserkennungface recognition,  Anonymitätanonymity |
Häufig co-zitierte Personen
NateStatistisches Begriffsnetz 
Zitationsgraph
Zeitleiste
12 Erwähnungen
- Robust De-anonymization of Large Sparse Datasets (Arvind Narayanan, Vitaly Shmatikov) (2008)
- Communications of the ACM, Volume 52, Number 6 (2009)
- The Systemic Dimension of Globalization (Piotr Pachura) (2011)
- SIGCSE 2011 - Proceedings of the 42nd ACM technical symposium on Computer science education, SIGCSE 2011, Dallas, TX, USA, March 9-12, 2011 (Thomas J. Cortina, Ellen Lowenfeld Walker, Laurie A. Smith King, David R. Musicant) (2011)
- WebMapReduce - an accessible and adaptable tool for teaching map-reduce computing (Patrick Garrity, Timothy Yates, Richard A. Brown, Elizabeth Shoop) (2011)
- WebMapReduce - an accessible and adaptable tool for teaching map-reduce computing (Patrick Garrity, Timothy Yates, Richard A. Brown, Elizabeth Shoop) (2011)
- Mich kriegt ihr nicht! - Gebrauchsanweisung zur digitalen Selbstverteidigung (Steffan Heuer, Pernille Tranberg) (2012)
- Too Big to Know - Das Wissen neu denken, denn Fakten sind keine Fakten mehr, die Experten sitzen überall und die schlaueste Person im Raum ist der Raum (David Weinberger) (2012)
- Big Data - A Revolution That Will Transform How We Live, Work and Think (Viktor Mayer-Schönberger, Kenneth Cukier) (2013)
- The Master Algorithm - How the Quest for the Ultimate Learning Machine Will Remake Our World (Pedro Domingos) (2015)
- Algorithmuskulturen - Über die rechnerische Konstruktion der Wirklichkeit (Robert Seyfert, Jonathan Roberge) (2017)
- The Diversity Bonus - How Great Teams Pay Off in the Knowledge Economy (Scott E. Page) (2017)
- Ein Algorithmus hat kein Taktgefühl - Wo künstliche Intelligenz sich irrt, warum uns das betrifft und was wir dagegen tun können (Katharina A. Zweig) (2019)
- Fake Facts - Wie Verschwörungstheorien unser Denken bestimmen (Katharina Nocun, Pia Lamberty) (2020)
Biblionetz-History 