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
-
Ada – Advanced Algorithms for an Artificial Data Analyst
Ada - the Artificial Data Analyst - raises the productivity of data science endeavours by applying data science to itself: we apply empirical optimization also to algorithm and feature selection. Recent developments, e.g. from the MIT, are thus made available as a data product for Swiss industry.
-
NatalieDB: Natural Language Interface for Databases
Due to the success of relational databases, new trends in big data technologies and Open Data, the query languages SQL and SPARQL are the most-widely used techniques to access databases. Even though SQL and SPARQL are very powerful, significant technical knowledge and training is required. Today, business users and scientists are restricted in ...
-
QualitAI - Quality control of industrial products via deep learning on images
Mit dem Projekt QualitAI wird eine vollautomatische Qualitätskontrollanlage realisiert. Die Anlage wird in der medizinaltechnischen Nische der Ballonkatheter auf den Markt gebracht.
Die Anlage kann die heutigen Prozesse stark vereinfachen und beschleunigen. Durch eine Vollautomatisierung und das Ersetzen von heute nur durch Menschen machbaren ...
Publikationen
-
Stadelmann, Thilo; Glinski-Haefeli, Sebastian; Gerber, Patrick; Dürr, Oliver,
2018.
Capturing suprasegmental features of a voice with RNNs for improved speaker clustering
[Paper].
In:
Proceedings of the 8th IAPR TC3 Workshop on Artificial Neural Networks in Pattern Recognition (ANNPR).
8th IAPR TC3 Workshop on Artificial Neural Networks in Pattern Recognition (ANNPR), Siena, 19-21 September 2018.
IAPR.
S. 333-345.
Lecture Notes in Computer Science book series (LNCS) ; 11081.
Verfügbar unter: https://doi.org/10.21256/zhaw-3784
-
Amirian, Mohammadreza; Schwenker, Friedhelm; Stadelmann, Thilo,
2018.
Trace and detect adversarial attacks on CNNs using feature response maps
[Paper].
In:
Proceedings of the 8th IAPR TC3 Workshop on Artificial Neural Networks in Pattern Recognition (ANNPR).
8th IAPR TC3 Workshop on Artificial Neural Networks in Pattern Recognition (ANNPR), Siena, Italy, September 19–21, 2018.
IAPR.
Verfügbar unter: https://doi.org/10.21256/zhaw-3863
-
Stadelmann, Thilo; Amirian, Mohammadreza; Arabaci, Ismail; Arnold, Marek; Duivesteijn, Gilbert François; Elezi, Ismail; Geiger, Melanie; Lörwald, Stefan; Meier, Benjamin Bruno; Rombach, Katharina; Tuggener, Lukas,
2018.
[Paper].
In:
Proceedings of the 8th IAPR TC3 Workshop on Artificial Neural Networks in Pattern Recognition (ANNPR).
8th IAPR TC3 Workshop on Artificial Neural Networks in Pattern Recognition (ANNPR), Siena, September 19-21, 2018.
IAPR.
Verfügbar unter: https://doi.org/10.21256/zhaw-3872
-
Meier, Benjamin Bruno; Elezi, Ismail; Amirian, Mohammadreza; Dürr, Oliver; Stadelmann, Thilo,
2018.
Learning neural models for end-to-end clustering
[Paper].
In:
Proceedings of the 8th IAPR TC3 Workshop on Artificial Neural Networks in Pattern Recognition (ANNPR).
8th IAPR TC3 Workshop on Artificial Neural Networks in Pattern Recognition (ANNPR), Siena, September 2018.
IAPR.
Verfügbar unter: https://doi.org/10.21256/zhaw-3850
-
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