CURSO:RECUPERACION DE INFORMACION TRADUCCION:INFORMATION RETRIEVAL SIGLA:INF3841 CREDITOS:05 MODULOS:02 CARACTER:MINIMO TIPO:CATEDRA,TALLER CALIFICACION:ESTANDAR DISCIPLINA:INGENIERIA,COMPUTACION PALABRAS CLAVE:COMPUTACION,INTELIGENCIA,ARTIFICIAL,CIENCIA,DATOS,RECUPERACION,INFORMACION I.DESCRIPCIÓN DEL CURSO La Recuperacion de Informacion Multimedia estudia el problema de buscar, indexar, navegar y extraer informacion desde archivos multimedia. En este curso los alumnos aprenderan sobre el analisis y representacion de contenido multimedia (especificamente audio, imagen, video y texto), algoritmos para busqueda eficiente y efectiva en grandes cantidades de datos, y aplicaciones innovadoras, por medio de ejercicios practicos. II.RESULTADOS DE APRENDIZAJE 1.Identificar la arquitectura de un sistema de recuperacion multimedia y sus diferentes componentes. 2.Implementar metodos de analisis y descripcion de contenido multimedia para extraer informacion desde archivos. 3.Aplicar algoritmos eficientes de busqueda de contenido multimedia en el analisis de datos para indexar y buscar en archivos. 4.Evaluar la efectividad y eficiencia de sistemas de recuperacion multimedia para identificar que sistema conviene utilizar. 5.Desarrollar aplicaciones innovadoras para sistemas de recuperacion multimedia. III.CONTENIDOS 1.Descripcion de contenido multimedia 1.1.Descriptores de contenido visual 1.2.Descriptores de contenido acustico 1.3.Descriptores de texto 1.4.Descriptores espacio-temporales 2.Busqueda por similitud e Indexamiento 2.1.Algoritmos de Busqueda por Similitud 2.2.Funciones de Distancias 2.3.Arboles Multidimensionales 2.4.Indices Metricos 2.5.Evaluacion de Efectividad 3.Metodos avanzados y aplicaciones 3.1.Descriptores de nivel medio: BOVW, LSA, FV, VLAD 3.2.Otros indices: LSH, VQ, Filling Curves, Indexamiento No-Metrico 3.3.Deep Learning: Deep Features, Metric Learning IV.ESTRATEGIAS METODOLOGICAS -Clases expositiva. -Talleres practicos de programacion. -Discusion en clases. -Presentacion de los estudiantes. -Aprendizaje basado en Proyecto. V.ESTRATEGIAS EVALUATIVAS -Controles: 25% -Talleres practicos: 25% -Presentaciones de lecturas: 25% -Proyecto de sintesis: 25% VI.BIBLIOGRAFIA Minima H. Eidenberger. "Handbook of Multimedia Information Retrieval". Atpress, 2012. R. Baeza-Yates and B. Ribeiro-Neto. "Modern Information Retrieval. Second Edition". Addison-Wesley Professional, 2011. H. Blanken, A. de Vries, H. Blok. "Multimedia Retrieval". Springer-Verlag Berlin Heidelberg, 2007. C. Aggarwal. "Data Mining: The Textbook". Springer, 2015. Complementaria Goodfellow, Y.Bengio, and A. Courville. "Deep Learning". MIT Press, 2016. J. Leskovec, A. Rajaraman, J. Ullman. "Mining of Massive Datasets, Second Edition". Cambridge University Press, 2014. P. Zezula, G. Amato, V. Dohnal, and M. Batko. "Similarity Search: The Metric Space Approach". Springer, 2006. M. Nixon, A. Aguado. "Feature Extraction & Image Processing for Computer Vision, Third Edition". Elsevier, 2012. H. Samet. "Foundations of Multidimensional and Metric Data Structures". Morgan Kaufmann, 2006. M. Muja and D. Lowe. "Scalable Nearest Neighbor Algorithms for High Dimensional Data". IEEE Transactions on Pattern Analysis and Machine Intelligence, 2014. H. Jegou, M. Douze, C. Schmid. "Product Quantization for Nearest Neighbor Search". Transactions on Pattern Analysis and Machine Intelligence. 2011. PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE ESCUELA DE INGENIERIA/ ENERO 2020