Im Gegensatz zu strukturierten Daten, wie sie häufig in relationalen Datenbanken gespeichert werden, besitzen unstrukturierte Daten keine feste Struktur und liegen in vielfältigen Formaten vor. Beispiele hierfür sind Texte, Bilder, Audio- und Videodateien. Diese Art von Daten macht einen Großteil der weltweit generierten Informationen aus und stellt eine besondere Herausforderung dar, da sie nicht direkt mit klassischen Methoden verarbeitet werden können.Vektorsuche ist eine Methode in der künstlichen Intelligenz und Datenabfrage, die numerische Vektoren verwendet, um unstrukturierte Daten darzustellen und effizient zu durchsuchen. In den letzten Jahren hat die Vektorsuche mit dem Aufkommen von Embeddings, die mithilfe maschineller Lernverfahren aus unstrukturierten Daten erzeugt werden, stark an Bedeutung gewonnen. Embeddings ermöglichen es, unstrukturierte Daten als numerische Vektoren in einem hochdimensionalen Raum zu repräsentieren und deren Ähnlichkeiten effizient zu berechnen. Im Rahmen des Seminars werden die Studierenden in Gruppen jeweils einen spezifischen Ansatz der Vektorsuche erarbeiten, in einem Vortrag präsentieren und auf echten Daten anwenden. Ziel des Seminars ist es, die Besonderheiten der verschiedenen Verfahren zu verstehen und deren Stärken sowie Schwächen systematisch miteinander zu vergleichen.
Vertiefungsschwerpunkt: Daten- und Wissensmanagement
Für weitergehende Informationen besuchen Sie bitte die Webseite des Lehrstuhls: https://hu.berlin/lehre_wbi
Die Veranstaltung wurde 1 mal im Vorlesungsverzeichnis WiSe 2025/26 gefunden:
