HUMAN-CENTRED

ARTIFICIAL INTELLIGENCE

Allgemeine Informationen

Zu Beginn der Digitalisierung hatten nur einige wenige Zugang zu digitalen Information. Heutzutage nutzen mehrere hundert Millionen Informationssysteme, browsen durch einen Online-Shop, nutzen Suchmaschinen oder verwalten online ihre E-Mails.

Information Discovery spielt dabei eine wichtige Rolle. Sei es bei der Verwaltung von Datensammlungen, der Verarbeitung und Identifizierung relevanter Daten oder zur Unterstützung der Nutzer, bei der Analyse persönlicher Interessen (z.B.: Kontext, Sprache, Semantik, etc.).
Grundlagen und Prinzipien des Data Engineerings sind wichtig für die Darstellung, Präsentation und das Verständnis von Daten, die durch verschiedene Systeme generiert werden. Knowledge Engineering vereint alle Aspekte des Aufbaus, der Pflege und der Nutzung wissensbasierter Systeme, um aus „passiven“ Daten verwendbares und anwendbares Wissen zu erzeugen.
Dieser Kurs behandelt die Grundlagen des Data und Knowledge Engineerings. Es wird die Architektur von Informationssystemen, mit all seinen Komponenten, sowie deren verschiedene Anwendungsbereiche vorgestellt. Grundlegende, wie weiterführende Konzepte des Natural Language Processings, Information Filterings und Decision Support werden vorgestellt, sowie vertiefendes Wissen und Kompetenzen in Data Science und Machine Learning. 
Alle Methoden und Techniken, die in diesem Kurs vorgestellt werden, sind übertragbar auf die Digital Humanities und basieren auf verschiedenen Forschungsbereichen, z.B.: der quantitativen Textanalyse, Information Retrieval, Text Mining, fachspezifische Datenbaken, Korpuslinguistik und Visualisierung komplexer Datenstrukturen. Dabei stellen die Digital Humanities eine nutzer-zentrierte Datenrepräsentation zur Verfügung, die so unter anderem in den Geisteswissenschaften hermeneutisch analysiert werden kann.

Am Ende des Kurses werden die Studenten mit einem umfangreichen und umfassenden Wissen über Tools und Techniken vertrauten sein, mit dem sie in der Lage sind Informationssysteme zu entwickeln und zu verstehen und ihr Wissen auf Data und Knowledge Engineering anzuwenden. Des Weiteren werden die Studenten mit Techniken des Machine Learnings vertraut sein, die insbesondere für Digital Humanities eingesetzt werden können.

Prüfungsvoraussetzung

 Studenten ab dem 3. Fachsemester des Masters können an diesem Kurs teilnehmen. 

Datum und Räumlichkeiten

Registrierung

LSF

Lehrende

Sollten Sie Fragen bezüglich der Vorlesung oder der Übung haben, kontaktieren Sie uns bitter per E-Mail: 

• Prof. Dr.-Ing. Ernesto William De Luca
  E-Mail:  ernesto.deluca [at] ovgu.de
  
  
• Erasmo Purificato 
  E-Mmail: erasmo.purificato [at] ovgu.de
  

Material

Literatur

• DRUCKER, J. (2014). Introduction to digital humanities: course book: concepts, methods, and tutorials for students and instructors . http://dh101.humanities.ucla.edu/wp-content/uploads/2014/09/IntroductionToDigitalHumanities_Textbook.pdf.