Semantische KI (semki)

Dieser Text: Skizze für einen Studienschwerpunkt "Semantische KI"

  • Gesamtumfang: 4-8 SWS (5-10 ECTS)

Inhalte

Knowledge Graphs

  • Linked Open Data (LOD), Linked Open Goverment Data (LOGD)
  • Abfragesprachen für Semantische Knowledge Graphs wie insbes. SPARQL u.A.

Ontologien

  • Grundlagen der Aussagen- und Prädikatenlogik
  • Ontology Engineering mit RDF(S) und SKOS (optional: OWL 2 RL)
  • RDF(S) inferencing, Inferencing über SKOS
  • (optional: OWL 2 RL/RDF rules)

Information Retrieval (IR) from Text

  • Parsen von Text mit Bibliotheken wie NLTK, SpaCy, gensim
  • Textähnlichkeit, Text-Clustering, Text-Klassifikation, Semantische Inhaltserschließung

Schnittstellen zwischen Semantic Web und Machine Learning

Kompetenzen

Die TN können

  • verschiedene LOD-Quellen und Knowlede Graphs abfragen, zusammenführen, RDF(S) oder OWL 2 RL/RDF rules Inferencing ausführen, und das Ergebnis wieder als Knowlede Graph oder nachfolgenden Machine-Leraning Schritten zur Verfügung stellen.
  • mit geeigneten Tools Wissen als RDF(S), SKOS und OWL 2 RL-Ontologie modellieren
  • einen Korpus von Texten mit NLP-Tools parsen und auf Textähnlichkeit hin untersuchen

Sprachkompetenz:

  • Entwicklung unter Python

Veranstaltungsformen

Prüfungsform: Portfolio-Prüfung zu folgenden Veranstaltungs-Elementen:

  • Grundlagen: 2 SWS Wissenserwerb (Klausur 60 Min)
  • Vertiefung: 2 SWS Seminar (schriftlich ausgearbeitete Präsentation, ca 2k Wörter)
  • Anwendung: 2 SWS Projektarbeit (Studienarbeit in Form eines Jupyter Notebooks)

Medien

Die Theorie zu diesen Inhalten deckt sich im Wesentlichen mit

Ergänzende (Buch-) Literatur:

Online-Literatur wird semesteraktuell in der Veranstaltung ergänzt.

Die Veranstaltung beruht auf einem virtuellen Data Science Laboratory http://jbusse.de/dsci-lab/ , das den Studierenden unter VirtualBox als virtuelle Xubuntu-Maschine zur Verfügung gestellt wird.