2018 Praktikum Knowledge Discovery

Im Praktikum werden die in der Vorlesung Knowledge Discovery vermittelten Konzepte in die Praxis umgesetzt.

2018 Knowledge Discovery

Die Vorlesung gibt einen Überblick über Verfahren zur Wissensgewinnung aus strukturierten Daten und Texten. Behandelt werden

  • Techniken zur Vorverarbeitung und Integration von Datenbeständen, wozu das Konzept des Data Warehouse gehört,
  • OLAP-Techniken für die interaktive Analyse großer Datenbestände,
  • (halb-)automatische Verfahrung zur Gewinnung neuen Wissens aus strukturierten Daten und Methoden zur Wissensextraktion aus Texten.

Der Schwerpunkt der Vorlesung liegt auf den maschinellen Lernverfahren, deren Anwendung an konkreten Beispielen aufgezeigt wird.



Labor: Soziale Netzwerkanalyse

Labor zur Veranstaltung Soziale Netzwerkanalyse

Soziale Netzwerkanalyse

Die Vorlesung gibt eine Einführung in die soziale Netzwerkanalyse. Darunter versteht man eine Sammlung von Methoden zur Analyse sozialer Relationen zwischen Entitäten (Menschen). Dabei wird ein strukturelles Vorgehen genutzt um verschiedene Fragen zu klären, zum Beispiel: gibt es wiederkehrende Muster? Wie erkennt man abweichende Verbindungen? Wie identifiziert man besondere Entitäten? 

Das wichtigste Instrument der sozialen Netzwerkanalyse ist die Graphentheorie. Als ein mathematisches Teilgebiet bietet sie die notwendige Formalisierung, sowie bereits eine Vielzahl von erarbeiteten Konzepten und Erklärungsmodellen. Beispiele hierfür sind beschreibende Größen, wie Dichte, Fragmentierung und Cores, oder Substrukturen, wie Cliquen, Clans und algebraische Äquivalenz.

Ziel der Vorlesung ist es den Teilnehmenden die formalen Analysemethoden sowie deren algorithmische Berechenbarkeit zu vermitteln. 

Einführung in die Künstliche Intelligenz WS 2018/19

Die Veranstaltung zeigt das Spektrum von Methoden der Künstlichen Intelligenz für die Verarbeitung von Wissen mit dem Rechner auf. Die Vorlesung gibt einen Überblick über verschiedene Gebiete der Wissensrepräsentation und führt hin zu aktuellen Einsatzszenarien wie der Erweiterung des World Wide Web hin zu einem Semantic Web. Ziel ist insbesondere der effiziente Umgang mit Wissen in Internet und Intranet.