Hauptinhalt
Dieser Eintrag ist aus dem Wintersemester 2019/20 und möglicherweise veraltet. Ein aktuelles Äquivalent finden Sie hier.
CS 572 — Information Retrieval
(engl. Information Retrieval)
Niveaustufe, Verpflichtungsgrad | Vertiefungsmodul, Wahlpflichtmodul |
Lehr- und Lernformen, Arbeitsaufwand |
Vorlesung (2 SWS), Übung (2 SWS), 180 Stunden (60 Std. Präsenzzeit, 120 Std. Selbststudium) |
Leistungspunkte, Voraussetzungen zum Erwerb |
6 LP Studienleistung(en): Erreichen von mindestens 50 Prozent der Punkte aus den wöchentlich zu bearbeitenden Übungsaufgaben und mündliche Präsentation der Lösung von mindestens zwei der Übungsaufgaben. Prüfungsleistung: Mündliche Prüfung oder Klausur |
Sprache, Benotung |
Deutsch,Die Benotung erfolgt mit 0 bis 15 Punkten gemäß der Prüfungsordnung für den Studiengang M.Sc. Data Science. |
Dauer des Moduls, Häufigkeit |
Ein Semester, Zweijährlich im Sommersemester |
Modulverantwortliche(r) | Prof. Dr. Bernhard Seeger |
Inhalt
- Qualitätskriterien für das Information Retrieval
- Modelle für das Information Retrieval
- Architektur von Systemen für Information Retrieval
- Indexmethoden und Indexaufbau
- Anfrageerweiterung
- IR im Web
- Multimedia-Retrieval
Qualifikationsziele
Die Studierenden sollen
- Kenntnisse der wichtigsten Modelle für das Information Retrieval erwerben,
- einen Überblick über die Architektur von IR Systemen bekommen,
- Indexierungstechniken kennen,
- Optimierung von Anfragen in IR verstehen,
- Kenntnisse in Anwendungen von IR im Bereich Web und Multimedia erwerben,
- wissenschaftliche Arbeitsweisen (Erkennen, Formulieren, Lösen von Problemen, Schulung des Abstraktionsvermögens) einüben,
- mündliche Kommunikationsfähigkeit in den Übungen durch Einüben der freien Rede vor einem Publikum und bei der Diskussion einüben.
Voraussetzungen
Keine. Empfohlen werden die Kompetenzen, die in dem Modul Algorithmen und Datenstrukturen vermittelt werden.
Verwendbarkeit
Importmodul aus dem M.Sc. Data Science.
Es kann im FB12 verwendet werden im Studiengang bzw. in den Studiengängen
- B.Sc. Data Science
- B.Sc. Informatik
- B.Sc. Wirtschaftsinformatik
- M.Sc. Data Science
- M.Sc. Informatik
- M.Sc. Mathematik
- M.Sc. Wirtschaftsinformatik
- M.Sc. Wirtschaftsmathematik
- LAaG Informatik
Im Studiengang M.Sc. Mathematik kann das Modul im Studienbereich Nebenfach Informatik absolviert werden.
Literatur
- Manning, Raghavan, Schütze: Introduction to Information Retrieval, Cambridge University Press
- Baeza-Yates, Ribeiro-Neto: Modern Information Retrieval, Addison Wesley
- Ferber: Information Retrieval-Suchmodelle und Data-Mining-Verfahren für Textsammlungen und das Web, dpunkt Verlag
- Henrich: Information Retrieval - Grundlagen, Modelle und Anwendungen
Bitte beachten Sie:
Diese Seite beschreibt ein Modul gemäß dem im Wintersemester 2019/20 aktuellsten gültigen Modulhandbuch. Die meisten für ein Modul gültigen Regeln werden nicht durch die Prüfungsordnung festgelegt, und können daher von Semester zu Semester aktualisiert werden. Folgende Versionen liegen im Online-Modulhandbuch vor:
- WiSe 2016/17
- SoSe 2018
- WiSe 2018/19
- WiSe 2019/20
- WiSe 2020/21
- SoSe 2021
- WiSe 2021/22
- WiSe 2022/23
- WiSe 2023/24
Das Modulhandbuch enthält alle Module, unabhängig vom aktuellen Veranstaltungsangebot, vergleichen Sie dazu bitte das aktuelle Vorlesungsverzeichnis in Marvin.
Die Angaben im Online-Modulhandbuch wurden automatisch erstellt. Rechtsverbindlich sind die Angaben der Prüfungsordnung. Wenn Ihnen Unstimmigkeiten oder Fehler auffallen, sind wir für Hinweise dankbar.