piwik-script

Intern
    Data Science Chair

    Seminar: Ausgewählte Themen des Machine Learning (BA)

    Veranstalter: Prof. Dr. Andreas Hotho, Alexander Dallmann, TBA

    Wichtig: Wir haben das Seminar für Bachelor und Master Studenten getrennt. Falls Sie das Seminar im Master belegen möchten, finden Sie Informationen auf den entsprechenden Seiten: Link

    Bei Fragen oder zur Reservierung eines Platzes nutzen Sie bitte die Adresse lsx-seminar@informatik.uni-wuerzburg.de.
    Bitte geben Sie unbedingt ihren Studiengang und die Matrikelnummer bei der Reservierung an.

    PS: Sie können sich einen Platz im Seminar bereits reservieren, bevor wir die Themen bekannt geben. So haben Sie ein Thema bereits sicher. 

    WueCampus-Kurs: https://wuecampus2.uni-wuerzburg.de/moodle/course/view.php?id=45215

    BibSonomy Gruppe: -> Wuecampus

    Vorbesprechung: 12.04.2021 10:30 - 11:30 Uhr

    Die Vorbesprechung wird über Zoom stattfinden. Weitere Informationen, wie Meeting ID,  werden im WueCampus Kurs angekündigt. 

    Erste Abgabe:      25.05.21
    Review Abgabe:  01.06.21
    Finale Abgabe:    25.06.21

    Zusammenfassung jeweils eine Woche vor dem Vortrag abgeben!
    Vorträge:              

    • 23.06.21 08:00 - 10:00
    • 24.06.21 08:00 - 10:00
    • 25.06.21 10:00 - 12:00

    Corona News

    Aufgrund der aktuellen Umstände wird das Seminar auf Online-Lehre umgestellt.
    Sie finden alle aktuellen Informationen der Veranstaltung auf WueCampus2.
    Bitte schreiben Sie sich über den obigen Link frühzeitig in WueCampus2 ein, um Zugriff auf den Kurs, sowie E-Mails von wichtigen Ankündigungen erhalten zu können. 

    Nach der Erstbesprechung werden wir die Themen fest an Studenten vergeben. Danach werden voraussichtlich Studenten ohne Thema ausgeschrieben und die Selbsteinschreibe-Option ausgeschaltet. 

    Alle Besprechungen und Vorträge werden nach aktuellem Stand über ZOOM veranstaltet. Wir bitten um eine funktionierende Kamera. 

    ZOOM
    ZOOM benötigt einen vorinstallierten Client, der unter https://zoom.us/download verfügbar ist. Ein Account wird zur Teilnahme allerdings nicht benötigt. ZOOM ist außerdem auch auf Android und IOS verfügbar.
    (ZOOM funktioniert auch im Browser. Diese Variante können wir aber aufgrund der schlechteren Performance nicht empfehlen.)

    Aktuelle Details werden im Ankündigungsforum des WueCampus2 Kurses geteilt.
    Bleiben Sie gesund!

    Themenvergabe und Vorbesprechung

    Themen können schon vor dem Vorbesprechungstermin reserviert werden. Die Themen werden einige Zeit vor der Vorbesprechung hier auf dieser Seite bekannt gegeben.

    Bei der Vorbesprechung werden die Themen - so nicht schon vergeben - an die anwesenden Seminarteilnehmer verteilt. Grundsätzlich besteht Anwesenheitspflicht. Teilnehmer, die bereits ein Thema bearbeiten, aber ohne Absprache fehlen, verlieren den Anspruch auf ihr Thema/ihren Platz

    Konzept und Ablauf des Seminars

    Im Zentrum dieses Seminars steht ein wissenschaftlicher Artikel und ein darin verwendetes Konzept. Ein Beispiel wäre das Paper 

    MixedTrails: Bayesian hypothesis comparison on heterogeneous sequential data von Martin Becker, Florian Lemmerich, Philipp Singer, Markus Strohmaier, Andreas Hotho

    In dem folgendes Konzept eine zentrale Rolle spielt:  Bayes Factor 

    Im Rahmen des Seminars soll nun das Konzept aufgearbeitet und verwandte Literatur gesucht werden. Das Ziel ist es, in Ausarbeitung und dem Vortrag des Seminars das gegebene Konzept unter Verwendung entsprechender Referenzen verständlich einzuführen und zu erklären und die Methode des wissenschaftlichen Artikels vorzustellen. Außerdem sollen eine Erweiterung der Methode oder die Übertragung auf eine andere Domäne aus anderen Artikeln beleuchtet werden.

    Der Ablauf des Seminar ist wie folgt:

    • Zuerst wird die Ausarbeitung angefertigt. 
    • Dann wird die Arbeit abgegeben und begutachtet. Diese Begutachtung erfolgt durch den Betreuer und anonym durch zwei andere Seminarteilnehmer. Das heisst, jeder Seminarteilnehmer, muss je zwei Beurteilungen für andere Seminarteilnehmer anfertigen. Die Begutachtungen gehen zurück an den Autor, der dann die Möglichkeit hat, seine Ausarbeitung zu überarbeiten.  
    • Dann wird zeitgleich der Vortrag (20 Minuten Vortrag, 10 Minuten Fragen) und eine kurze Zusammenfassung (~1000 Zeichen) vorbereitet.
    • Der Vortrag wird dann in Blockveranstaltungen gehalten. Bei den Blockveranstaltungen besteht Anwesenheitspflicht. 

    Themen

    Die Grundlage zu den Vorträgen bilden wissenschaftliche Aufsätze (Papers). Jedes hier aufgeführte Paper entspricht einem Thema.

    • themenrelevante Paper sind mit dem Tag thema versehen
    • die einzelnen Themen werden anhand der Tags thema:x, thema:y, etc. unterschieden
    • Ziel des Seminars ist es NICHT den Inhalt des Papers zusammenzufassen, sondern das Thema, das durch das Tag thema:x gegeben ist, aufzuarbeiten.
    • die Tags findet man auf BibSonomy in der entsprechenden Gruppe (siehe oben)

    Die Themen für das Sommersemester 2021 werden erst kurze Zeit vor Vorlesungsbeginn veröffentlicht. 

    Bei der Erstbesprechung werden übrige bzw. wieder frei gewordene Themen an anwesende Studenten verteilt. Wer möchte kann sich dafür auch auf eine Warteliste eintragen lassen (Anwesenheit trotzdem erforderlich). 

    Offene Themen

    • ALBERT: A Lite BERT for Self-supervised Learning of Language Representations. Lan, Zhenzhong; Chen, Mingda; Goodman, Sebastian; Gimpel, Kevin; Sharma, Piyush; Soricut, Radu (2019).
       
    • Deep Residual Learning for Image Recognition. He, Kaiming; Zhang, Xiangyu; Ren, Shaoqing; Sun, Jian (2015).
       
    • DeepMove: Predicting Human Mobility with Attentional Recurrent Networks. Feng, J.; Li, Y.; Zhang, Chao; Sun, F.; Meng, Fanchao; Guo, Ang; Jin, Depeng in Proceedings of the 2018 World Wide Web Conference (2018).
       
    • dEFEND: Explainable Fake News Detection. Shu, Kai; Cui, Limeng; Wang, Suhang; Lee, Dongwon; Liu, Huan (2019).
       
    • Dynamic Routing Between Capsules. Sabour, Sara; Frosst, Nicholas; Hinton, Geoffrey E (2017).
       
    • KEPLER: A Unified Model for Knowledge Embedding and Pre-trained Language Representation. Wang, Xiaozhi; Gao, Tianyu; Zhu, Zhaocheng; Liu, Zhiyuan; Li, Juanzi; Tang, Jian in CoRR (2019). abs/1911.06136
       
    • Modeling Relational Data with Graph Convolutional Networks. Schlichtkrull, Michael Sejr; Kipf, Thomas N.; Bloem, Peter; van den Berg, Rianne; Titov, Ivan; Welling, Max in Lecture Notes in Computer Science, A. Gangemi, R. Navigli, M.-E. Vidal, P. Hitzler, R. Troncy, L. Hollink, A. Tordai, M. Alam (reds.) (2018). (Vol. 10843) 593–607.
       
    • RotatE: Knowledge Graph Embedding by Relational Rotation in Complex Space. Sun, Zhiqing; Deng, Zhi-Hong; Nie, Jian-Yun; Tang, Jian in CoRR (2019). abs/1902.10197
       
    • Sequential Recommendation with User Memory Networks. Chen, Xu; Xu, H.; Zhang, Yongfeng; Tang, Jiaxi; Cao, Yixin; Qin, Zheng; Zha, H. in Proceedings of the Eleventh ACM International Conference on Web Search and Data Mining (2018).
       
    • Time Interval Aware Self-Attention for Sequential Recommendation. Li, Jiacheng; Wang, Yujie; McAuley, Julian in Proceedings of the 13th International Conference on Web Search and Data Mining (2020).
       

    Bereits vergebene Themen

    • Time Interval Aware Self-Attention for Sequential Recommendation. Li, Jiacheng; Wang, Yujie; McAuley, Julian in Proceedings of the 13th International Conference on Web Search and Data Mining (2020).
       
    • ALBERT: A Lite BERT for Self-supervised Learning of Language Representations. Lan, Zhenzhong; Chen, Mingda; Goodman, Sebastian; Gimpel, Kevin; Sharma, Piyush; Soricut, Radu (2019).
       
    • dEFEND: Explainable Fake News Detection. Shu, Kai; Cui, Limeng; Wang, Suhang; Lee, Dongwon; Liu, Huan (2019).
       
    • KEPLER: A Unified Model for Knowledge Embedding and Pre-trained Language Representation. Wang, Xiaozhi; Gao, Tianyu; Zhu, Zhaocheng; Liu, Zhiyuan; Li, Juanzi; Tang, Jian in CoRR (2019). abs/1911.06136
       
    • Modeling Relational Data with Graph Convolutional Networks. Schlichtkrull, Michael Sejr; Kipf, Thomas N.; Bloem, Peter; van den Berg, Rianne; Titov, Ivan; Welling, Max in Lecture Notes in Computer Science, A. Gangemi, R. Navigli, M.-E. Vidal, P. Hitzler, R. Troncy, L. Hollink, A. Tordai, M. Alam (reds.) (2018). (Vol. 10843) 593–607.
       
    • DeepMove: Predicting Human Mobility with Attentional Recurrent Networks. Feng, J.; Li, Y.; Zhang, Chao; Sun, F.; Meng, Fanchao; Guo, Ang; Jin, Depeng in Proceedings of the 2018 World Wide Web Conference (2018).
       
    • Sequential Recommendation with User Memory Networks. Chen, Xu; Xu, H.; Zhang, Yongfeng; Tang, Jiaxi; Cao, Yixin; Qin, Zheng; Zha, H. in Proceedings of the Eleventh ACM International Conference on Web Search and Data Mining (2018).
       
    • Dynamic Routing Between Capsules. Sabour, Sara; Frosst, Nicholas; Hinton, Geoffrey E (2017).
       
    • Deep Residual Learning for Image Recognition. He, Kaiming; Zhang, Xiangyu; Ren, Shaoqing; Sun, Jian (2015).
       

    Leistungsnachweis

    Zum Ablauf der oben angegebenen Bearbeitungsfristen sind jeweils per Email als PDF dem Betreuer abzugeben:

    • eine genau 6-seitige LaTeX-Ausarbeitung im hier beschriebenen Format (doppelspaltig, inklusive Bibliographie) 
      • eine erste Version zur Begutachtung
      • die finale Version 
    • die zwei Begutachtungen anderer Arbeiten
    • eine Zusammenfassung der Arbeit (~1000 Zeichen)
    • der Foliensatz

    Vorherige Absprachen mit dem Betreuer sind ausdrücklich erwünscht. Alle verwendeten Referenzen sind zusätzlich zum Literaturverzeichnis der Ausarbeitung in http://www.bibsonomy.org in der entsprechenden Gruppe (relevant for) mit den Tags des jeweiligen Themas und weiteren sinnvollen Tags zu versehen.

    Die Vortragsdauer beträgt verbindlich 20 Minuten, nach dem Vortrag besteht Gelegenheit zur Diskussion (ca. 10 Minuten). Der Vortrag (inkl. Folien und Abstract) geht mit 30% in die Endnote ein, die Ausarbeitung ebenfalls mit 30%. Die angefertigeten Reviews gehen 20% in die Note ein. Die letzten 20% bewerten die Eigenständigkeit der Ausarbeitung, Einhaltung von Terminen, Beteiligung am Seminar etc.

    Bearbeitungshinweise

    Als Richtlinie für die Erstellung einer guten Seminararbeit (inkl. Vortrag und Ausarbeitung) wird das Buch

    Markus Deininger and Horst Lichter and Jochen Ludewig and Kurt Schneider. Studien-Arbeiten: ein Leitfaden zur Vorbereitung, Durchführung und Betreuung von Studien-, Diplom- Abschluss- und Doktorarbeiten am Beispiel Informatik. 5. Auflage. vdf Hochschulverlag, Zürich, 2005. 

    empfohlen, welches beim Betreuer des Seminars (Prof. Dr. Andreas Hotho) ausliegt. Wir empfehlen die Anschaffung dieses Buchs (9,50 €), da es Sie bis zur Masterarbeit (und weiter) begleiten kann.