Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     
Logout in [min] [minutetext]

Computational Methods for Document Analysis - Einzelansicht

Grunddaten
Veranstaltungsart Vorlesung/Übung Kurztext DocAna
Veranstaltungsnummer INF-13300-20162 Rhythmus jedes 2. Semester
Semester WS 2016/17 Studienjahr
Erwartete Teilnehmer/-innen 20 Max. Teilnehmer/-innen 40
SWS 5 Sprache englisch
Credits 8
Hyperlink https://www.vis.uni-konstanz.de/
Belegungsfrist
Termine: Vorlesung iCalendar Export
  Tag Zeit Rhythmus Dauer Raum Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export
Mo. 10:00 bis 11:30 wöchentl. 24.10.2016 bis 13.02.2017  C - C 252       30
Einzeltermine anzeigen
iCalendar Export
Di. 10:00 bis 11:30 14-tägig 08.11.2016 bis 14.02.2017  C - C 252       30
Vorlesung:
 
 
Termine: Übung iCalendar Export
  Tag Zeit Rhythmus Dauer Raum Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export
Di. 11:45 bis 13:15 wöchentl. 25.10.2016 bis 14.02.2017  C - C 252       30
Übung:
 


Zugeordnete Lehrpersonen
Zugeordnete Lehrpersonen Zuständigkeit
Fuchs, Johannes, Dr. verantwortlich
Gipp, Bela, Prof. Dr. verantwortlich
LS Keim,  begleitend
Meuschke, Norman begleitend
Studiengänge
Abschluss Studiengang Semester Prüfungsversion
Informatik, BSc 5 - 8
Information Engineering, BSc 5 - 6
Information Engineering, MSc 1 - 3
StudIS-Prüfungen / Module
Prüfungsnummer Prüfungstext
INF-13300 Computational Methods for Document Analysis
StudIS-Prüfungsorganisationssätze
Semester Termin Prüfer/-in Datum Beginn Dauer Raum Bemerkung Leistungsanmeldung Rücktritt bis StudIS-
Status
WS 2016/17 02 Gipp, Bela , Juniorprof. Dr.
Fuchs, Johannes
10.04.2017 10:00 C 252 27.03.2017 bis
03.04.2017
03.04.2017 StudIS-Prüfungsanmeldung beendet
WS 2016/17 01 Gipp, Bela , Juniorprof. Dr.
Fuchs, Johannes
14.02.2017 11:45 C 252 01.12.2016 bis
06.02.2017
06.02.2017 StudIS-Prüfungsanmeldung beendet
_______________
Nicht/noch nicht für die StudIS-Prüfungsanmeldung freigeschaltetNicht/noch nicht für die StudIS-Prüfungsanmeldung freigeschaltet
Für die StudIS-Prüfungsanmeldung freigeschaltet - Prüfungsanmeldung läuft noch nichtFür die StudIS-Prüfungsanmeldung freigeschaltet - Prüfungsanmeldung läuft noch nicht
Für die StudIS-Prüfungsanmeldung freigeschaltet - Prüfungsanmeldung läuft derzeitFür die StudIS-Prüfungsanmeldung freigeschaltet - Prüfungsanmeldung läuft derzeit
Anmeldezeitraum abgelaufen - Rücktritt noch möglichAnmeldezeitraum abgelaufen - Rücktritt noch möglich
StudIS-Prüfungsanmeldung beendetStudIS-Prüfungsanmeldung beendet
Zuordnung zu Einrichtungen
AG Keim (Data Analysis and Visualization)
FB Informatik und Informationswissenschaft
Inhalt
Literatur

Keine vorausgesetzt, empfohlen werden:

G. Heyer, U. Quasthoff, T. Wittig. Text Mining: Wissensrohstoff Text: Konzepte, Algorithmen, Ergebnisse. W3l-Verlag. 2006.

C. D. Manning, P. Raghavan, H. Schütze. Introduction to Information Retrieval. Cambridge University Press. 2008.

Ruslan Mitkov. The Oxford Handbook of Computational Linguistics. Oxford University Press. 2005.

Thomas Payne. Exploring Language Structure: A Student's Guide. Cambridge University Press. 2006.

M. Ward, G. G. Grinstein, D. Keim . Interactive Data Visualization: Foundations, Techniques, and Applications. Taylor & Francis Ltd. 2010.

Voraussetzungen Zwingend erforderlich ist eine erfolgreiche vorherige Belegung der Kurse Analyse & Visualisierung oder Data Mining. Die für die Belegung der Vorlesung erforderlichen Vorkenntnisse können gegebenenfalls durch eine Eingangsprüfung abgefragt werden. Programmierkenntnisse in Java werden für das Bearbeiten der praktischen Übungen vorausgesetzt.
Leistungsnachweis

·       Bearbeitung der Übungen ist Zulassungsvoraussetzung zur Prüfung.

Prüfung: je nach Teilnehmer/innen/zahl mündlich (Einzelprüfung von 20 Minuten Dauer) oder schriftlich (Klausur von 120 Minuten Dauer).

Note: Die Note ergibt sich aus der Note der Prüfung.

Lerninhalte

Natural Language Processing

Information Retrieval

Structure Analysis and Information Extraction

Text Data Mining

Text Visualization

Lernziel

Die Studenten können die Problemstellungen bei der Dokumentenanalyse sowie die grundlegenden Algorithmen zu deren Lösung benennen. Sie sind in der Lage die Algorithmen auf spezielle Problemstellungen im Bereich der Dokumentenanalyse zu übertragen und ihre Lösung zu bewerten.

Arbeitsaufwand

Insgesamt 150 Stunden, verteilt auf

60 Stunden Präsenzstudium

90 Stunden Eigenstudium


Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WS 2016/17 , Aktuelles Semester: WS 2017/18
STUDIS    Anzahl aktueller Nutzer/-innen: 161 Haben Sie Anregungen, Fragen, Lob oder Kritik zum LSF?
Dann schreiben Sie uns!
Impressum
Datenschutzerklärung