Web-Mining-Agenten (CS5131)


Dozent:
Prof. Dr. rer.nat. Ralf Möller, Dr. Özgür Özcep

Data Mining:

  1. Introduction (pdfpptx)
  2. Uncertainty, Bayesian Networks, Query Answering Algoriithms (pdfpptx)
  3. Learning Bayesian Networks (pdf, pptx)
  4. Structured Causal Models - Intro , d-separation, IC algorithm (pdfpptx
  5. Structured Causal Models - Intervention (pdfpptx)
  6. Linear Structural Causal Models - Instrumental Variables (pdfpptx)
  7. Counterfactuals (pdfpptx)
  8. Data Structures for Query Answering: Junction Trees (pdf)
  9. Representing Ontologies in Probabilistic Graphical Models (pdfpptx)
  10. Computational Learning Theory (pdf, pptx)
  11. Logic as a Foundation for Learning (pdf, pptx)

Web Mining Agents:

  1. Introduction (pdfpptx)
  2. Information Retrieval, Vector Space Model, Latent Semantic Indexing, Relevance Feedback, Rocchio-Algorithm (pdfpptx)
  3. Probabilistic Information Retrieval (pdfpptx)
  4. Latent Representations, Topic Models, pLSI, LDA (pdfpptx)
  5. Probabilistic Models for Sequential Structures (word sequences, time), Hidden Markov Models (HMMs), Dynamic Bayesian Networks (DBNs), Learning HMMs and DBNs, HMM for Sequence Labeling (compound noun chunking, POS tagging, named entity recognition, semantic role labeling), Sequence Labeling in Combination with Topic Modeling (HMM-LDA), Dynamic Topic Models (pdfpptx)
  6. Word Semantics and Latent Relational Structures (pdfpptx)
  7. Multirelational Latent Semantic Analysis (pdfpptx)
  8. Probabilistic Relational Models (PRMs), Lernen von PRMs (pdfpptx)
  9. Lifted Inference in Probabilistic Relational Models (pdfpptx)
  10. Abduction and Causal Relational Structures for Deep Understanding (pdf pptx)
  11. Rules of Encounter: Agent Cooperation (pdf, pptx)
  12. Decision Making (Markov Decision Problem, MDP), Decision Making Under Uncertainty (Partially Observable Markov Decision Problem, POMDP), POMDP Solving Algorithms (Probabilistic Planning), Decentralized POMDP Solving (pdfpptx, nicht im WS 17/18)
  13. Reinforcement Learning and Adaptation, Reward Shaping (pdf, no ppt for this part, nicht im WS 17/18)
  14. Transfer Learning (pdfpptx, nicht im WS 17/18)
  15. Game Theory and Social Choice (pdfpptx, nicht im WS 17/18)
  16. Reasoning about Beliefs of Other Agents (pdf, pptx, nicht im WS 17/18)
  17. Mechanism Design, Consensus Algorithms (pdfpptx, nicht im WS 17/18)

Zielgruppe:

als CS5131:

  • Master MML (Wahlpflicht), Informatik, Beliebiges Fachsemester
  • Master Medieninformatik SJ14 (Wahlpflicht), Informatik, Beliebiges Fachsemester
  • Master Medizinische Informatik SJ14 (Wahlpflicht), eHealth / Informatik, 1. oder 2. Fachsemester

als CS5131T:

  • Master MML (Modulteil eines Wahlmoduls), Informatik, Beliebiges Fachsemester
  • Master Entrepreneurship in digitalen Technologien SJ14 (Modulteil eines Wahlmoduls), Modulteil, Beliebiges Fachsemester
  • Master Informatik SJ14 (Modulteil eines Wahlmoduls), Modulteil, Beliebiges Fachsemester

Umfang: 
4 SWS Vorlesung
2 SWS Übung

Zeit und Ort:

Vorlesung: Mittwochs, 14:15 - 15:45 Uhr und  Donnerstags, 14:00 - 16:00 Uhr

Übung: Freitags, 14:00 - 16:00 Uhr im IFIS Besprechungsraum 2032


Beginn:
Vorlesung: Mittwoch, den 18.10.2017
Übung: Freitag, 27.10.2017

Beschreibung der Vorlesung: 
Bei der Vorlesung Web-Mining-Agenten (Modul CS5131/CS5131T) handelt es sich um eine vertiefende Vorlesung, die bei Wahl als Teilmodul zum übergeordneten Modul Web and Data Science (CS4513) gehört. Der Inhalt gliedert sich in zwei Teile: Data-Mining und Web-Mining-Agenten.