Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage, komplexe Systeme zur Analyse von Multimedia-Inhalten mithilfe von Signalverarbeitung und Maschinenlernen selbst zu entwerfen, zu implementieren und zu evaluieren.
WICHTIG: Für die erfolgreiche Anmeldung zum Kurs ist das erfolgreiche Ablegen des Registration Assessment Tests im E-Learning-Kurs erforderlich! Melden Sie sich bitte per "Self-Enrollment" im verlinkten Tuwel-Kurs an, lesen Sie die Aufgabenbeschreibung und legen Sie den Test vor der Deadline ab.
Klassische (Multimedia) Datenanalyse mit Signalverarbeitung und Maschinenlernen (ohne Deep Learning) am Beispiel von audiovisuellen Medien:
- Feature-Extraktion aus audiovisuellen Medien
- Modellierung sematischer Features
- Ähnlichkeitsmodellierung und Klassifikation
- Performanz-Evaluierung und statistische Datenanalyse
- Anwendungsbeispiele und weiterführende Themen
Ziel ist, dass die Studierenden die klassischen Methoden des Information Retrieval kennenlernen, die heute immer noch relevant sind, wenn z.B. Trainingsdaten nicht ausreichend vorhanden sind oder sich Limitierungen bei den Verarbeitungskapazitäten ergeben (z.B. Edge Computing).
Similarity Modeling 2 beschäftigt sich mit komplexeren Methoden als Similarity Modeling 1 und baut auf dieser Lehrveranstaltung auf. Die Organisation ist jedoch in beiden Kursen gleich.
Didaktisches Konzept
- Rahmen für Wissensvermittlung mit Vorlesungsblock am Beginn und Vorlesungsprüfung am Ende der LVA
- Praktisches Erfahren der LVA-Inhalte in Kleingruppen-Übungen
- Verwendung moderner Visualisierungs- und Seminarmethoden zur Beteiligung der Studierenden an der Vorlesung
- Nutzung eines offen Forensystems zum Erfahrungsaustausch über Gruppen hinweg während der Übung
Verteilung der ECTS-Punkte
Beschreibung ECTS Stunden
--------------------------------------------------
Vorbereitung 0.04 1.0
Vorlesung 0.32 8.0
Vorbereitung des Übungsprojektes 0.04 1.0
Übungs-Projektarbeit 1.88 47.0
Vorbereitung der mündlichen Prüfung 0.70 17.5
Mündliche Prüfung 0.02 0.5
--------------------------------------------------
Gesamt 3.00 75.0
