Modulbeschreibung
Information Retrievel
Kürzel:
M_IR
Durchführungszeitraum:
nicht durchgeführt
ECTS-Punkte:
2
Arbeitsaufwand:
60
Lernziele:
Die Studierenden
- kennen wichtige Prinzipien und Modelle, die für das Information Retrieval zur Anwendung kommen.
- wissen aus welchen Komponenten Information Retrieval Systeme aufgebaut sind und wie man diese evaluiert.
- besitzen einen Überblick über Information Extraction Technologien.
- kennen verschiedene Machine Learning Verfahren und deren Anwendungen.
Weiters sind die Studierenden in der Lage die oben erläuterten Methoden und Technologien gezielt in praktischen Aufgabenstellungen anzuwenden.
Verantwortliche Person:
Prof. Studer Martin
Telefon/EMail:
++41 (0)81 2862443
/ u_2001466Standort (angeboten):
Chur
Fachbereiche:
Informatik
Vorausgesetzte Module:
Zusätzlich vorausgesetzte Kenntnisse:
Informatik
Modultyp:
Standard-Modul für Systemtechnik BB STD_05(Empfohlenes Semester: 4)
Standard-Modul für Systemtechnik VZ STD_05(Empfohlenes Semester: 6)
Bemerkungen:
Das Modul findet im Frühlingssemester statt.
ECTS-Punkte pro Kategorie
Wahlmodule / 2 Punkte
Wahlmodule / 2 Punkte
Modulbewertung
Bewertungsart:
Note von 1 - 6
Leistungsbewertung
Während des Semesters:
Während der Unterrichtsphase werden im Kurs Information Retrieval eine Prüfung geschrieben und ein Projekt bewertet.
Bewertungsart:
Note von 1 - 6
Gewichtung:
Während der Unterrichtsphase werden im Kurs Information Retrieval eine Prüfung (Gewicht 50%) geschrieben und ein Projekt (Gewicht 50%) bewertet.
Bemerkungen:
Es findet keine abgesetzte Modulschlussprüfung statt.
Kurse in diesem Modul
Information Retrieval
Kürzel:
IR
Arbeitsaufwand:
60
Semester:
1
Lernziele:
Die Studierenden
- kennen wichtige Prinzipien und Modelle, die für das Information Retrieval zur Anwendung kommen.
- wissen aus welchen Komponenten Information Retrieval Systeme aufgebaut sind und wie man diese evaluiert.
- besitzen einen Überblick über Information Extraction Technologien.
- kennen verschiedene Machine Learning Verfahren und deren Anwendungen.
Weiters sind die Studierenden in der Lage die oben erläuterten Methoden und Technologien gezielt in praktischen Aufgabenstellungen anzuwenden.
Plan und Lerninhalt:
- Grundlagen von IR Systemen
- Automatische Indexierungsverfahren
- Überblick über Retrievalmodelle
- Boole’sches Retrieval
- Rankingsysteme und Relevance-Feedback
- Google-Page-Rank-Modell
- Vektorraum-Modell
- Termgewichtungsmodelle
- Natürlichsprachiges Retrieval mit dem Fuzzy-Retrievalmodell
- Probabilistische Retrievalmodelle am Beispiel des Binary Independent-Retrieval-Modells (BIR) - Kennzahlen für die Evaluierung von IR Systemen
- Informationsextraktion mittels
- Regulärer Ausdrücke (Wikipedia, Dokumenten)
- XPath (Wikipedia, XML Dokumente)
- SPARQL (DBpedia, Triple Stores) - N-Gramm-Analyse
- Machine Learning und Anwendungen
- Naive Bayes (Document Filtering)
- Clustering (Aufbau von Preismodellen)
- Support Vektor Maschinen (Klassifikation)
- Genetische Algorithmen (Financial Forecasting) - Praxisprojekt (Umsetzung der Lerninhalte auf konkrete Aufgabenstellungen).
Ansprechspersonen:
Prof. Studer Martin
Fachbereiche:
Informatik
Unterrichtssprache:
Deutsch
Leistungsnachweis:
Während der Unterrichtsphase wird eine Prüfung geschrieben und ein Projekt bewertet.
Lehr- und Lernmethoden:
Vorlesung, Übungen, Praktika
Kursart:
Durchführung gemäss Stundenplan
Klassenunterricht mit 2 Lektionen pro Woche
- Max. Teilnehmer: 25
- Harte Grenze: nein