Sprungnavigation

  1. Zur Volltextsuche springen
  2. Zum Inhalt springen
  3. Zur Hauptnavigation springen
  4. Zur Servicenavigation springen
Never Stop Growing Slogan
Seite: https://www.hochschule-ruhr-west.de//forschung/forschung-in-den-instituten/institut-informatik/beschaeftigte/prof-dr-fatih-gedikli/
Datum: 28.11.2022, 10:22Uhr

Prof. Dr. Fatih Gedikli

Professor für Künstliche Intelligenz und Big Data.

Fatih Gedikli ist Informatiker und Professor für Künstliche Intelligenz und Big Data 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.

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. 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.

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.

Prof. Dr. Fatih Gedikli
Lehrgebiet: Künstliche Intelligenz, Big Data, Software Engineering, Web Engineering

Institut Informatik
Duisburger Str. 100, 45479 Mülheim an der Ruhr

Telefon: +49 208 88254-817

fatih.gedikli hs-ruhrwest "«@&.de

Sprechzeiten:
nach Vereinbarung

Arbeits- und Forschungsschwerpunkte

  • Recommender Systems
  • News Recommendation and Analytics
  • Natural Language Processing

Lehrveranstaltungen

  • Grundlagen der Informatik und Programmierung
  • Softwaretechnik
  • Webtechnologien und mobile Anwendungen
  • Empfehlungssysteme
  • Mobile Computing

Ausgewählte Publikationen

  • Fatih Gedikli: KI-basierter Wissensgraph: Veranschaulichung von Menschenrechtsverletzungen und Umweltsünden in globalen Lieferketten. Embedded-Software-Engineering - Fachwissen rund um professionelles Software-Engineering, Vogel Communications Group GmbH & Co. KG, 29.09.2022.

  • Fatih Gedikli, Anne Stockem Novo, Dietmar Jannach: Semi-Automated Identification of News Story Chains: A New Dataset and Entity-based Labeling Method. Proceedings of the 9th International Workshop on News Recommendation and Analytics (INRA 2021) in conjunction with 15th ACM Conference on Recommender Systems (RecSys 2021), September 25, 2021, Amsterdam, Netherland.

  • Fatih Gedikli, Dietmar Jannach, Mouzhi Ge: How should I explain? A comparison of different explanation types for recommender systems. In: International Journal of Human-Computer Studies (IJHCS), 72 (4), S. 367–382, 2014.

  • Fatih Gedikli, Dietmar Jannach: Improving recommendation accuracy based on item-specific tag preferences. In: ACM Transactions on Intelligent Systems and Technology (TIST), 4 (1), S. 1–19, 2013.