Medien und Kommunikation

Bewerben Studienberatung
Fakultät M

Modulhandbuch

←  Zurück 

Multimediatechnologien im Web

Empfohlene Vorkenntnisse
  • Kenntnisse relationaler und objektrelationaler Datenbanken.  
  • SQL Programmierung.  
  • Programmierkenntnisse z.B. in Java.  
  • UML und Entity-Relationsship Modellierung
  • Grundlagen Computernetze beherrschen, 
  • Protokolle der Internetwelt kennen
  • Grundkenntnisse von Protokollen Authentifizierungsmechanismen in Netzwerken
  • Eigenmotivation für Studium und Mitarbeit
  • Bereitschaft eigene Ideen einzubringen Selbstständiges
  • Eigenarbeit um Wissen und Können zu verbessern, auch als Vorbereitung für die
    Prüfungsleistung

  • Beherrschen der englischen Sprache

     


Lehrform Vorlesung
Lernziele / Kompetenzen
  • Multimediale Webapplikationen als Gesamtsystem verstehen, verwenden, konzipieren und aufbauen können
  • Zukunftsweisende Konzepte für die Benutzerschnittstelle, für die gesicherte Datenübertragung und –speicherung kennen und einsetzen können
Dauer 1
SWS 6.0
Aufwand
Lehrveranstaltung 90
Selbststudium / Gruppenarbeit: 135
Workload 225
ECTS 7.5
Leistungspunkte Noten

Klausurarbeit, 120 Min. 
(Next Generation Internet, Sicherheit in vernetzten Multimedia-Systemen, Multimedia Databases)

 
Modulverantwortlicher

Prof. Dr. Volker Sänger

 

 
Empf. Semester 1-2
Haeufigkeit jedes Jahr (WS)
Verwendbarkeit

Master MuK, Schwerpunkt Multimediale Webapplikationen
Veranstaltungen

Next Generation Internet

Art Vorlesung
Nr. M+I501
SWS 2.0

Multimedia Databases

Art Vorlesung
Nr. M+I504
SWS 2.0
Lerninhalt
  • Introduction to Multimedia Databases: Meta Data, Features, Segmentation, Similarity, Data Models
  • Technological Foundations: Information Retrieval, Similarity Search, AI, Machine Learning, Neural Networks, Deep Learning, Architecture of Multimedia Databases
  • Image Databases: Meta Data  for Images, Semantic Gap, Deep Learning for Images, Deep Convolutional Networks, Image Retrieval, Case Studies
  • Audio Databases: Meta Data for Audio, Audio Retrieval , Case Study Shazam
  • Video Databases: Meta Data for Video, Deep Learning for Videos, Video Retrieval, Case Studies
  • Text Databases: Knowledge in Documents, NLP, TF/IDF, Large Language Models
Literatur

  • Blanken, H.M.; de Vries, A.P.; Blok, H.E.; Feng, L. (Eds.): Multimedia Retrieval, Springer-Verlag, 2007 (ebook: http://www.springer.com/computer/database+management+&+information+retrieval/book/978-3-540-72894-8

  • S. Rüger: Multimedia Information Retrieval. Morgan & Claypool, 2010
  • R. Baeza-Yates and B. Ribeiro-Neto: Modern Information Retrieval - the concepts and technology behind search. ACM Press, 2. Edition, 2011
  • A. Géron: Neural Networks and Deep Learning, O’Reilly, 2018. ebook
  • A. Krizhevsky, I. Sutskever, G.E. Hinton: ImageNet Classification with Deep Convolutional Neural Networks. In Advances in Neural Information Processing Systems 25, NIPS 2012
  • A. Wang: An Industrial-Strength Audio Search Algorithm. In ISMIR Proceedings, Baltimore 2003
  • A. Basiri et.al.: Chaos Engineering. IEEE Software May/June 2016, pp 35-41
  • Y. Jing, D. Liu, D. Kislyuk, A. Zhai, J. Xu, J. Donahue, S. Tavel: Visual Search at Pinterest. In KDD Proceedings, Sydney, 2015
  • P. Covington, J. Adams, E. Sargin: Deep Neural Networks for YouTube Recommendations, Proceedings of the 10th ACM Conference on Recommender Systems, New York, 2016
  • J. Redmon, S. Divvala, R. Girshick and A. Farhadi, "You Only Look Once: Unified, Real-Time Object Detection," 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016, pp. 779-788

Sicherheit in vernetzten Multimedia-Systemen

Art Vorlesung
Nr. M+I503
SWS 2.0
←  Zurück