• Text Mining (Stefan Mandl)
• Künstliche Intelligenz I (Bernd Ludwig)

• Welche Bereiche gibt es (IE, IR, Clustering, Klassifikation)
• IE: symb↔prob, was ist die „Arbeit“ bei beiden? (Regeln erstellen vs. Texte klassifizieren), N-Gramme
• IR: wie macht man Boolsches Retrieval, wie Ranking Retrieval (Text-Dokument-Matrizen, Kosinus-Mass, gewichtete Bereiche)
• Clustering: welche Unterscheidungen gibt es? (flaches↔hierarchisches, modellbasiertes↔diskretes)
• Klassifikation: naive Bayes-Klassifikator (was ist daran naiv), Textmodelle (Bernoulli vs. Multinomial)

• Goal-Oriented-Behavior (Dominanz, Multidimensionaler D&C-Algo)
• Regelbasierte Systeme, mit dem Rete-Algorithmus (Knotentypen, warum man den Algo benutzt)
• Fuzzy-Logik, was ist eine Menge und Relation (aufmalen, Dreiecksfunktion/Trapezfunktion), Fuzzy-Regeln

Note: 1.3
Anmerkung: Textmining ist gut machbar, KI ist zwar super interessant, aber seeehr viel Stoff, man sollte also viel Zeit einplanen die 6 Buecher durchzuarbeiten.