Web-Mining-Agenten (CS5131)


Dozent:

Dr. Özgür Özcep

 

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.
  • Die Vorlesung wird auf Englisch gehalten.
  • In den Übungen werden die Inhalte der Vorlesung anhand von Übungsaufgaben vertieft. Wöchentlich werden Übungszettel zu den Themen der Vorlesung ausgegeben.  Jeder Student wählt ein Thema aus,  zu dem er ein von den Dozenten vorbereitetes Übungsblatt  am zugehörigen Termin der Übung vorrechnet. Die Musterlösung wird dem Vortragenden bereit gestellt. Seine Aufgabe ist es, den anderen Teilnehmern die Musterlösung anschaulich und mit Rückbezügen zur Vorlesung anhand von Präsentationsfolien vorzustellen und eventuell Fragen der Teilnehmer, die nur den Übungszettel ohne Musterlösung zur eigenständigen Bearbeitung erhalten haben, zu beantworten.

 

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 (pdfpptx)
  11. Logic as a Foundation for Learning (pdfpptx)

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), Learning of PRMs (pdfpptx)
  9. Lifted Inference in Probabilistic Relational Models (pdfpptx)
  10. Deep Media Interpretation, Abduction (pdfpptx)
  11. Abduction in PRMs, Causal Relational Structures, Deep Relational Learning, Relational Decision Making (pdfpptx)
  12. Rules of Encounter: Agent Cooperation (pdfpptx)

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, im AMS 4; und  Donnerstags, 14:15 - 15:45 Uhr, im Seminarraum Informatik 2/3 (Cook/Karp); ggf. findet die Vorlesung im IFIS Besprechungsraum 2032 statt

Übung: Freitags, 12:15 - 13:45 Uhr im IFIS 2035


Beginn:
Vorlesung:  Donnerstag, den 18.10.2018
Übung:       Freitag, 19.10.2018
HINWEIS:   Die Vorlesungsreihe beginnt erst am Donnerstag, den 18.10.2018. Die Vorlesung vom Mittwoch, den 17.10.2018, wird einmalig auf den Übungslot dieser Vorlesungsreihe verlegt, findet also am 19.10.2018, 12:15-13.45 Uhr statt)

 

Unterlagen zur Vorlesung und den Übungen werden auch auf der Moodle-Seite dieser Veranstaltung zur Verfügung gestellt.