Studiengang Information Science (Master of Science) [PO 2019]

Intelligente Systeme verbinden datengetriebene Machine-Learning-Verfahren zur Erkennung von Mustern mit Wissensgraphen, z.B. auf der Basis der Semantic-Web-Standards des W3C, um erkannte Muster in einen realweltlichen Kontext zu stellen. Sie bilden die Grundlage vieler Funktionen in modernen Informationsdienstleistungen wie z.B. Suche oder Empfehlungen.

Das Seminar befasst sich mit der nutzerorientierten Konzeption und Entwicklung intelligenter Systeme. Dazu führen Studierende Machbarkeitsstudien oder kleinere Experimente durch, indem sie am Beispiel eines selbstgewählten Anwendungsszenarios ML-Komponenten mit Wissensgraphen zu einer interaktiven Anwendung verbinden und mithilfe von Kriterien für nutzerzentrierte künstliche Intelligenz (human-centered AI) bewerten. Dazu bekommen die Studierenden eine Einführung in das Konzept der Wissensgraphen, in die Anwendung von ML-Werkzeugen und in die Grundlagen der nutzerzentrierten Entwicklung von ML-Anwendungen.

Hinweis: Im Rahmen dieses Seminars werden ML-Verfahren als Black Box behandelt. Mithilfe möglichst ausgereifter Werkzeuge nutzen wir fertige ML-Modelle. Algorithmische Details von ML-Verfahren werden in diesem Seminar nicht behandelt.

Kenntnisse

• Die Studierenden kennen das Konzept der intelligenten Systeme und der dazu notwendigen Komponenten wie Wissensgraphen (RDF, LPG) und ML-Prozesse.
• Die Studierenden kennen Werkzeuge und Methoden zur systematischen Entwicklung intelligenter Systeme und darauf aufbauender, intelligenter Anwendungen.
• Die Studierenden kennen Kriterien zur Bewertung der Interaktivität intelligenter Anwendungen.


Fertigkeiten

• Die Studierenden können kleinere, experimentelle intelligente Systeme implementieren.


Kompetenzen

• Die Studierenden sind in der Lage, die Machbarkeit von Ideen für intelligente Systeme und ihre Anwendung zu untersuchen.
• Die Studierenden sind in der Lage, die Eignung intelligenter Systeme für gegebene Anwendungen zu bewerten.
   

Vorlesung, Übung (4 SWS)

150 Stunden

Hausarbeit und Präsentation gemäß § 13 ABPO

Kenntnisse aus den Modulen "Linked Data" und "Webskripting" aus dem Pflichtteil des Bachelorprogramms Information Science erleichtern den Zugang und werden dringend empfohlen. Kenntnisse aus dem Mastermodul "Semantic Web" und Modulen, die sich mit KI oder NLP befassen, sind sehr hilfreich, werden aber nicht vorausgesetzt.

Jährlich

Quellen werden in der Veranstaltung bekannt gegeben.