In Multitaskgewittern ging bei mir auch diese vorlesungsfreie Zeit, von Außenstehenden bisweilen völlig irreführend als Semesterferien bezeichnet, zu Ende. Hier ein Antrag für ein Forschungsprojekt, dort ein Konzept für eine Forschungskooperation, Submissions, Papers, Betreuung laufender Projekte, Meetings, Meetings et cetera pp. (z. B. eigene Forschung) und nun trennt mich nur eine Kaskade kirchlicher Feiertage von meiner ersten Sommersemesterveranstaltung.

Kurse, die man Studierenden anbietet, gehören vorbereitet, sonst wird das für beide Seiten eine unschöne und vor allem langatmige Veranstaltung. Aber es bleibt nur so wenig Zeit! Gerade rechtzeitig vor einer Panikattacke erinnerte ich mich an meinen Blogbeitrag vor fast genau einem Jahr, in dem ich die Planungen zu einer meiner Veranstaltungen im letzten Sommersemester beschrieb. Darin verlinkte ich unter anderem eine Mind Map, die ich mit Bubbl erzeugt hatte und die sich trefflich als Grundlage für meine diesjährigen Erweiterungen (siehe Abbildung) entpuppte (dafür musste ich aber tatsächlich wieder Flash installieren – ging eine ganze Zeit lang ohne).

Den aufmerksam Hinschauenden wird vielleicht auffallen, dass die letztjährige Mindmap lediglich erweitert wurde, was allerdings auch beabsichtigt ist. Völlig neu ist der Definitions-Teil (gelb), wo ich am Anfang des Seminars ein paar Worte darüber verlieren möchte, was Maschinelles Lernen einerseits von Regelbasierten Systemen unterscheidet und einen kurzen Ausblick darauf wagen, was es mit dem gerade sehr gehypten Deep Learning auf sich hat. Christoph Kappes spülte mir eine schmale, gleichzeitig aber sehr brauchbare Präsentation zu den mathematischen Grundlagen des Maschinellen Lernens in meine Twitter-Timeline, die ich sicherlich gut für den Theorie-Teil (orange) verwenden kann.

Die Anwendungsfelder (blau) und Software-Lösungen (grün) sind sicherlich ein wenig überladen für einen einsemestrigen zwei-Stunden-pro-Woche-Kurs. Hier ist aber auch keine völlige Abdeckung angedacht. Der Kurs im letzten Jahr war an ein Kooperationsprojekt mit dem Bundesinstitut für Berufsbildung angelehnt, bei dem es um die Kategorisierung von Abschnitten in Stellenanzeigen ging (das Fachwort dafür lautet Zone Analysis, da habe ich gerade ein Paper zu geschrieben). Dieses Projekt ist inzwischen abgeschlossen, ein Nachfolgeprojekt zur Informationsextraktion aus den kategorisierten Abschnitten steht in den Startlöchern. Ein Großteil der Softwarelösungen ist daher schon implementiert und muss lediglich auf die neue Aufgabe angepasst werden. Alternative wäre eine Sentiment-Analyse auf anderen Daten, z.B. eine Auswertung von Tweets mit dem Hashtag #tatort. Mal sehen, was das Rennen macht, man sollte den Studierenden ja auch ein wenig Auswahl lassen.

Essenz: Einen Blog zu führen, in dem man ab und zu einmal etwas so halb durchdenkt und ausformuliert, kann einem also offensichtlich dabei behilflich sein, sich am eigenen Schopf aus dem Sumpf zu ziehen. Und dann gibt es ja auch noch Twitter. Die nächste Seminarplanung kommt bestimmt – schon nächsten Donnerstag steht ein Kolloquium an, für das ich teilweise verantwortlich bin 

Quelle: http://texperimentales.hypotheses.org/1283