Modul 63490 Projektpraktikum Data Science für Digital Humanities
Modulinformationen
Die Forschung und Lehre des Lehrgebietes Multimedia und Internetanwendungen bewegt sich in den Bereichen Daten- und Dokumentenmanagement im Internet, Informations- und Wissensmanagement im Internet, Multimedia-Informationssysteme und Datenbanken sowie Informationsvisualisierung. Dazu gehören außerdem die Forschung, Lehre und Entwicklung u.a. in den folgenden Bereichen der Informatik und ihren Anwendungsgebieten: Informationsvisualisierung, Information Retrieval, visuelle Mensch-Maschine-Interaktion, Content- und Wissensmanagement, Semantic Web, digitale Langzeitarchivierung, virtuelle Forschungsumgebungen, Big-Data-Analyse, Analyse natürlicher Sprache, und Data Science.
Das Anwendungsgebiet Data Science ist dabei ein interdisziplinäres Feld, bei dem eine Einarbeitung in die Anwendungsdomäne unerlässlich ist, um sinnvolle Datenauswertungen zu erstellen. Das Projektpraktikum „Data Science für Digital Humanities“ fokussiert deswegen neben der Methodik des Data-Science-Lebenszyklus insbesondere auf den Bereich der systematischen, technisch-wissenschaftlichen Softwareentwicklung zur automatisierten Unterstützung der praktischen Anwendung aktueller Methoden und Verfahren aus dem Bereich der Digital Humanities, mit besonderem Augenmerk auf die Methoden der digitalen Hermeneutik.
Bei der Unterstützung der Methoden der digitalen Hermeneutik handelt es sich um die digitale Unterstützung der Forschungsmethoden, die in den Geisteswissenschaften genutzt werden, um Forschungsdaten in Form von Audioaufzeichnungen von Interviews zu transkribieren, zu analysieren, zu interpretieren, zu annotieren und daraus nachfolgend durch hermeneutische Argumentationsmethoden neue Erkenntnisse zu gewinnen.
In der Praxis liegt hierbei ein Fokus auf Machine Learning, Natural Language Processing (insbesondere Audio-to-Text-Transcription, Named Entity Recognition, Topic Modeling, Taxonomy Management, Document Classification, Argument Mining, Argumentation Tree Construction, Large Language Models, Information Extraction und Information Retrieval).
Die Teilnehmerinnen und Teilnehmer des Projektpraktikums dürfen zunächst aus einer Menge an Aufgabenstellungen, gemäß ihres Interesses, eine Auswahl für die weitere Bearbeitung treffen. Die Bearbeitung der gestellten Aufgabe erfolgt dann modular. Online-Konferenzen finden über ein Online-Konferenz-System der FernUniversität in Hagen statt.
ECTS | 10 |
---|---|
Arbeitsaufwand | Präsenzphasen (Online): 10 Stunden
Präsentationsvorbereitung: 10 Stunden
Entwurf und Bearbeitung der Aufgaben: 280 Stunden |
Dauer des Moduls | ein Semester |
Häufigkeit des Moduls | in jedem Sommersemester |
Anmerkung | Für die Teilnahme an einem Projektpraktikum ist ein gesondertes Anmeldeverfahren im
Vorsemester über folgenden Link erforderlich: https://webregis.fernuni-hagen.de. |
Inhaltliche Voraussetzung | Keine; für eine erfolgreiche Bearbeitung der Aufgabenstellungen sind Vorkenntnisse in folgenden Bereichen wünschenswert: • Information Extraction / Natural Language Processing (NLP) • Information Retrieval • Large Language Models (LLMs) wie GPT oder BERT • Hugging Face Transformers • Semantic Web und Client-Server-Kommunikation: Technologien wie RDF, SPARQL, und RESTful APIs. • Machine Learning: Supervised, Unsupervised Learning und deren Anwendung auf Textdaten. • Programmiersprachen: Python, Java • Webentwicklung: JavaScript, HTML5, CSS • Modellierung und Prozessdesign: UML-Diagrammen (Use Case, Klassendiagramm, ER-Modell, etc.) • Datenvisualisierung |
Prüfungsinformation
M.Sc. Data Science | |
---|---|
Art der Prüfungsleistung | benotete Praktikumsteilnahme: Ausarbeitung und Vortrag |
Voraussetzung | keine |
Stellenwert der Note | 1/12 |
Formale Voraussetzungen | mindestens drei Pflichtmodulprüfungen sind bestanden |
Download
Ansprechpersonen
Prof. Dr. Matthias Hemmje
mathinf.webteam
| 20.11.2024