Zum Inhalt springenZur Suche springen

Data & Knowledge Engineering (DKE)

Aktuelles

1. Klausur: 09.07.2019, 10.30 - 12 Uhr, Hörsäle 5C, 5K

Studiengang

Master-Studiengang Informatik

Leistungspunkte

5 LP

Lehrveranstaltungen

  • Vorlesung „Knowledge Engineering & Semantic Web“, 2 SWS (englischsprachig), Di. 10:30 - 12 Uhr, Seminarraum 25.12.02.33
  • Übung, 2 SWS (englischsprachig), Di. 12:30 - 14 Uhr, Seminarraum 25.12.02.33

Kurssprache

Englisch

Inhalte

Understanding and interpreting heterogeneous data, in particular in distributed settings such as the Web, remains a challenging task. State-of-the-art Web applications such as Web search engines rely on a combination of approaches for making sense of data, involving both explicit knowledge, for instance, through knowledge graphs such as Wikidata or the Google knowledge graph and semi-structured Web markup, as well as statistical and machine-learning based approaches.
This course provides an introduction to data and knowledge engineering methods and principles, with a particular focus on the Web. This includes methods related to knowledge graphs and formal data & knowledge representation (RDF, OWL, Description Logics), data integration and linking, information extraction, Web data sharing practices (Linked Data, Semantic Web and affiliated W3C standards such as RDF, RDFa, Microdata), as well as emerging approaches in the context of distributional semantics, such as word and entity embeddings. Attention will also be paid to applications of taught techniques to facilitate data sharing and reuse on the Web.

Lernergebnisse/Kompetenzen

Studierende sollen nach Absolvierung der Lehrveranstaltungen in der Lage sein,

  • Anwendung von W3C Standards (RDF, SPARQL) für Generierung und Suche in Wissensgraphen, Linked Data und strukturierten Daten im Web
  • Grundlegendes Verständnis von Informations- und Wissensextraktionsmethoden
  • Erstellung formaler Wissensrepräsentationen und Ontologien mithilfe von Description Logics und Regeln
  • Verständnis und Nutzung von strukturiertem Web Markup (RDFa, Microdata, schema.org)

Empfohlene Literatur

  • „Artificial Intelligence: A Modern Approach“ by Stuart Russell and Peter Norvig (2nd edition, Prentice-Hall, 2003)
  • „A Semantic Web Primer“ by Grigoris Antoniou and Frank van Harmelen (MIT Press, 2004
  • „Foundations of Semantic Web Technologies“, P. Hitzler, M. Krötzsch, S. Rudolph:, CRC Press, 2009.
  • „Linked Data – Evolving the Web into a Global Data Space“, T. Heath, Ch. Bizer, Morgan & Claypool, 2011.
  • Doing Data Science - Straight Talk from the Frontline, Cathy O'Neil, Rachel Schutt, O'Reilly Media

Verwendbarkeit des Moduls

  • Wahlpflichtbereich Praktische oder Technische Informatik
  • Schwerpunktbereich
  • Individuelle Ergänzu
  • Anwendungsfach für den Ergänzungsbereich im Master-Studiengang Mathematik

Teilnahmevoraussetzungen

Bachelor-Studierende müssen folgende Module erfolgreich abgeschlossen haben:

  • „Programmierung”
  • „Rechnerarchitektur“
  • „Algorithmen und Datenstrukturen"
  • „Theoretische Informatik”

Voraussetzungen für die Vergabe von Leistungspunkten

  • aktive Teilnahme an den Übungen bzw. Seminar
  • erfolgreiches Bearbeiten der Übungsaufgaben
  • abschließende Prüfung (i.d.R. schriftlich)

Häufigkeit des Angebots, modulare Schiene

  • unregelmäßig

Modulbeauftragte und hauptamtliche Lehrende

Prof. Dr. Stefan Dietze

Verantwortlichkeit: