Information Engineering
Das Thema Information Retrieval behandelt die Suche auf unstrukturierten und semi-strukturierten Daten. Ein besonderer Fokus liegt dabei auf textueller Information, die sprachabhängig verarbeitet und angereichert wird.
Prof. Dr. Martin Braschler, Leiter Information Engineering
Das Thema Datenbanken und Information Systems befasst sich mit der Verarbeitung von struktu-rierter Information, insbesondere deren effizienter Speicherung, Verwaltung und Abfrage mit dem Ziel von daten-getriebener Entscheidungsunterstützung und der Entwicklung von Data Products im Unternehmenskontext.
Prof. Dr. Kurt Stockinger, Studienleiter MAS Data Science
Das Thema Künstliche Intelligenz befasst sich mit dem Entwurf und der Analyse intelligenter Systeme und Agenten. Ein besonderes Augenmerk liegt dabei auf der Analyse von strukturierten und unstrukturierten Daten durch Verfahren des Maschinellen Lernens.
Dr. Thilo Stadelmann, stv. Leiter Information Engineering
- Wie macht man Information nutzbar?
- Wie findet man neue Themen und Trends?
- Wie gewinnt man aus heterogenen/unstrukturierten Daten und Informationen Erkenntnisse?
- Wie sagt man bestimmte Ereignisse voraus?
- Wie kann Software aus vergangenen Ereignissen lernen?
Mit diesen und vielen weiteren Fragen beschäftigt sich der Schwerpunkt Information Engineering, welcher die Themen "Information Retrieval" und "Datenbanken und Information Systems" sowie "Künstliche Intelligenz" bearbeitet. Die oft negativ thematisierte Daten- und Informationsflut begreifen wir als Chance; mit den richtigen Mitteln können zur Such- und Analysezeit Daten und Informationen integriert und nutzbar gemacht werden. Während die spontane "Ad-hoc" Suche über grosse Informationsbestände dank Websuchdiensten heute zu unserem Alltag gehört, steht die Einführung von komplexeren Systemen zur Unterstützung wissensintensiver Geschäftsprozesse erst am Anfang. Beispielsweise können Informationsströme halb- und vollautomatisch gefiltert und geeignet aufbereitet werden, so dass neue Themen und Trends entdeckt und Zusammenhänge erschlossen werden
Der Schwerpunkt gibt die aus der angewandten Forschung und Entwicklung gewonnen Erkenntnisse an die Studierenden der Informatikstudiengänge in Modulen wie "Information Engineering 1 (Information Retrieval)", "Information Engineering 2 (Data Warehousing & Big Data)", "Anwendungen der Künstlichen Intelligenz" und "Machine Learning" (letzteres im Master) weiter. Der Schwerpunkt engagiert sich auch international im Rahmen von Forschungsprojekten der EU-Rahmenprogramme. Mit unseren Kompetenzen tragen wir zum interdisziplinären Forschungsfeld "Data Science" als Teil und Mitgründer des Datalab bei.
Tätigkeitsfelder
Der Schwerpunkt IE befasst sich in seinen Themen Information Retrieval, Datenbanken und Information Systems sowie Künstliche Intelligenz mit folgenden Feldern:
- Suche in Text- und Multimediadaten (Retrieval)
- Natural Language Processing und Cross-Language Retrieval, Kategorisierung
- Aufspüren von Themen und Trends (Finden, ohne zu suchen)
- Benchmarking von Suchsystemen
- Data Warehousing und komplexe Datenanreicherungsprozesse
- Integration von heterogenen und unstrukturierten Daten- und Informationsquellen
- Skalierbaren Architekturen und Technologien im Bereich Datenbanken und Big Data
- Data- und Text-Mining
- Maschinelles Lernen, insbesondere Deep Learning
- Multimedia-Analyse und Steuerung von Agenten (Reinforcement Learning)
- Data Science im Rahmen des Datalab
Projekte
Publikationen
-
Höppli, Remo; Bohnert, Thomas Michael; Militano, Leonardo,
2018.
Hera Object Storage : a seamless, automated multi-tiering solution on top of OpenStack Swift [Paper].
In:
2018 IEEE 8th International Symposium on Cloud and Service Computing (SC2), Paris, France, 18-21 November 2018.
IEEE.
Verfügbar unter: https://doi.org/10.21256/zhaw-5012
-
Elezi, Ismail; Tuggener, Lukas; Pelillo, Marcello; Stadelmann, Thilo,
2018.
DeepScores and Deep Watershed Detection : current state and open issues [Paper].
In:
Proceedings of the 1st International Workshop on Reading Music Systems.
1st International Workshop on Reading Music Systems at ISMIR 2018, Paris, France, 20 September 2018.
Paris:
Society for Music Information Retrieval.
S. 13-14.
Verfügbar unter: https://doi.org/10.21256/zhaw-4777
-
Hibraj, Feliks; Vascon, Sebastiano; Stadelmann, Thilo; Pelillo, Marcello,
2018.
Speaker clustering using dominant sets [Paper].
In:
Proceedings of the 24th International Conference on Pattern Recognition (ICPR 2018).
24th International Conference on Pattern Recognition (ICPR 2018), Beijing, China, 20-28 August 2018.
Beijing:
IAPR.
S. 1-6.
Verfügbar unter: https://doi.org/10.21256/zhaw-4254
-
Tuggener, Lukas; Elezi, Ismail; Schmidhuber, Jürgen; Pelillo, Marcello; Stadelmann, Thilo,
2018.
DeepScores : a dataset for segmentation, detection and classification of tiny objects [Paper].
In:
Proceedings of the 24th International Conference on Pattern Recognition.
24th International Conference on Pattern Recognition (ICPR 2018), Beijing, China, 20-28 August 2018.
Beijing:
IAPR.
S. 1-6.
Verfügbar unter: https://doi.org/10.21256/zhaw-4255
-
Tuggener, Lukas; Elezi, Ismail; Schmidhuber, Jürgen; Stadelmann, Thilo,
2018.
Deep watershed detector for music object recognition [Paper].
In:
Proceedings of the 19th International Society for Music Information Retrieval Conference.
19th International Society for Music Information Retrieval Conference, Paris, 23. - 27. September 2018.
Paris:
Society for Music Information Retrieval.
Verfügbar unter: https://doi.org/10.21256/zhaw-3760