Sökning: "personliga rekommendationer"
Visar resultat 1 - 5 av 117 uppsatser innehållade orden personliga rekommendationer.
1. ”Det är ett fantastiskt verktyg, när man kan jobba med det på ett bra sätt!”
Kandidat-uppsats, Göteborgs universitet/Institutionen för pedagogik, kommunikation och lärande; Göteborgs universitet/Institutionen för pedagogik, kommunikation och lärandeSammanfattning : Denna studie syftar till att utforska hur sju förskollärare som fått sin legitimation efter 2017 upplever sitt arbete med digitala verktyg, undervisning och relaterade aktiviteter. Motivet för detta är dels att undersöka hur pedagogernas personliga intresse påverkar hur användandet av digitala verktyg på förskolan går till, dels att utforska hur förskollärarna tolkat de delar om arbete med digitala verktyg som tillkom när läroplanen för förskolan uppdaterades 2018 och hur de arbetar med dessa mål. LÄS MER
2. Recommender Systems Using Limited Dataset Sizes
Kandidat-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)Sammanfattning : In order to create personalized recommendations for users on services such as e-commerce websites and streaming platforms, recommender systems often utilize various machine learning techniques. A common technique used in recommender systems is collaborative filtering which creates rating predictions based on similar users’ interests. LÄS MER
3. Idrottssponsringens komplexitet : En studie om företags mål och föreningars attraktionskraft
Kandidat-uppsats, Högskolan Dalarna/Institutionen för kultur och samhälleSammanfattning : Idrottssponsring ses idag som ett legitimt marknadsföringsverktyg, och är någonting som företag spenderar allt mer pengar på. För idrottsföreningar är sponsorintäkter en viktig del i att bedriva sin verksamhet. LÄS MER
4. Recommending digital books to children : Acomparative study of different state-of-the-art recommendation system techniques
Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)Sammanfattning : Collaborative filtering is a popular technique to use behavior data in the form of user’s interactions with, or ratings of, items in a system to provide personalized recommendations of items to the user. This study compares three different state-of-the-art Recommendation System models that implement this technique, Matrix Factorization, Multi-layer Perceptron and Neural Matrix Factorization, using behavior data from a digital book platform for children. LÄS MER
5. Rekryterad av en robot : En systematisk litteraturstudie om AI i rekryteringsprocessen
Kandidat-uppsats, Högskolan i Skövde/Institutionen för handel och företagandeSammanfattning : Artificiell intelligens har under senare år tagit en allt större roll inom företagsvärlden. Organisationer kan utnyttja AI till att effektivisera rekryteringsprocessen vilket sparar tid och pengar. Studier visar att träning av AI kan leda till diskriminering. LÄS MER