Achtung: Aufgrund von Wartungsarbeiten des BRZ-SAP Systems sind einige Services ab Freitag, 28. Juni 2024 17:00 bis inklusive Sonntag, 30. Juni 2024 in TISS nur eingeschränkt verfügbar. Vielen Dank für Ihr Verständnis.

188.498 Similarity Modeling 2 - Computational Seeing and Hearing
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2023W, VU, 2.0h, 3.0EC, wird geblockt abgehalten
TUWEL

Merkmale

  • Semesterwochenstunden: 2.0
  • ECTS: 3.0
  • Typ: VU Vorlesung mit Übung
  • Format der Abhaltung: Online

Lernergebnisse

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.

 

Inhalt der Lehrveranstaltung

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.

Methoden

Zentrales Thema der Vorlesung ist die Erkundung der Bedeutung von Transformationen für die Beschreibung und Ähnlichkeitsmessung bei Multimedia-Daten. Dieses Thema wird in der Vorlesung interaktiv erarbeitet und im Übungsteil mit einem realistischen Anwendungsbeispiel gefestigt.

WICHTIG! Aufgrund der Corona-Pandmie wird die Vorlesung durch Videos + durch die Studierenden zu erstellende Videos ersetzt. Alle Details dazu finden Sie zeitgerecht im TUWEL-Forum.

Prüfungsmodus

Prüfungsimmanent

Weitere Informationen

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

Vortragende Personen

Institut

LVA Termine

TagZeitDatumOrtBeschreibung
Do.10:00 - 11:0012.10.2023 https://tuwien.zoom.us/j/8232232021Vorbesprechung
LVA wird geblockt abgehalten

Leistungsnachweis

Die Studierenden weisen ihr Verständnis insbesondere durch die Lösung des praktischen Übungsbeispiels und ihre Mitarbeit in der Vorlesung nach.

LVA-Anmeldung

Von Bis Abmeldung bis
15.09.2023 00:00 12.10.2023 16:00 19.10.2023 16:00

Curricula

StudienkennzahlVerbindlichkeitSemesterAnm.Bed.Info
066 645 Data Science Keine Angabe
066 926 Business Informatics Keine Angabe
066 931 Logic and Computation Gebundenes Wahlfach
066 932 Visual Computing Gebundenes Wahlfach
066 935 Media and Human-Centered Computing Gebundenes Wahlfach
066 936 Medizinische Informatik Gebundenes Wahlfach
066 937 Software Engineering & Internet Computing Gebundenes Wahlfach

Literatur

H. Eidenberger: "Professional Media Understanding", Atpress, Vienna, 2012.

Themen- und Linkliste im TUWEL-Forum.

Vorkenntnisse

Programmieren in Java und/oder Python

Vorausgehende Lehrveranstaltungen

Vertiefende Lehrveranstaltungen

Weitere Informationen

Sprache

Englisch