Die Studenten erlernen den Aufbau und die Wirkungsweise von Datenplattformen in Unternehmen. Dazu arbeiten die Studenten an konkreten Fallbeispielen von ausgesuchten Unternehmen oder aus aktuellen Forschungsprojekten. Dabei kommen insbesondere Verfahren des maschinellen Lernens, Suchmaschinen und Text-Mining-Methoden zum Einsatz. Die Studenten lernen, selbst die Messbarkeit von Verfahren zu definieren, erarbeiten Methoden der Datensammlung, -bereinigung, -analyse sowie für das Anlegen von Feedbackloops zur weiteren Verbesserung der Datenqualität. Im Anschluss haben die Studenten die Möglichkeit, ihre Kenntnisse in einer Masterarbeit in einem Forschungsprojekt an der Berliner-HS zu vertiefen.

Übung, teilweise im seminaristischen Unterrichtsstil

Die Prüfungsform wird nach §19 (2) RSPO durch die Lehrkraft festgelegt. Sofern die Lehrkraft die Prüfungsform und die Prüfungsmodalitäten nicht am Semesteranfang in der Frist nach §19 (2) RSPO festlegt, gilt folgende Prüfungsform:

• Projektarbeit (40 Stunden, 80%, nur 1. Prüfungszeitraum)
• Präsentation (20 Minuten, 20%, nur 1. Prüfungszeitraum)

• Einführung in die Datenplattformökonomie
• Grundlagen der Klassifikation bzw. des Clusterings mittels maschinellem Lernen, Messbarkeit
• Grundlagen von Suchmaschinen, Ableitung von Suchintentionen, Learning-to-Rank
• Ausgesuchte Hot Topics in der Text-Klassifikation, wie z.B. Entity Recognition oder -Linkage bzw. Sentiment Mining
• Projektarbeit und -abschlusspräsentationen für Datenplattformen

Die Studenten zeigen in mehreren Sprints die Leistungsfähigkeit ihres Fallbeispiels und dokumentieren die Messbarkeit. Die Abschlusspräsentation umfasst auch ein kurzes Video des Vorgehens und der Demo.

Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Introduction to Information Retrieval, Cambridge University Press.

Bruce Croft, Donald Metzler, Trevor Strohman, Information Retrieval in Practice, Addison Wesley.