Předmět je základní jednotka výuky, jejímž prostřednictvím si student osvojí ucelenou část souboru znalostí a dovedností, potřebnou pro zvládnutí studijního oboru/specializace. Za věcný obsah předmětu zodpovídá garant předmětu. Časovou náročnost předmětu zhruba vyjadřuje atribut předmětu rozsah kontaktní výuky. Například rozsah = 2+2  značí, že předmět bude mít týdně dvě hodiny přednášek a dvě hodiny cvičení týdně. Na závěr semestru musí vyučující provést vyhodnocení, nakolik si ten který student osvojil poznatky a dovednosti, kterých měl během výuky nabýt. Jakým způsobem toto hodnocení vyučující provedou určuje atribut způsob zakončení. U předmětu lze definovat, že předmět je zakončen pouze zápočtem(Z), klasifikovaným zápočtem(KZ), pouze zkouškou(ZK), nebo zápočtem a zkouškou(Z,ZK). Náročnost úspěšného absolvování předmětu je vyjádřena ECTS kreditními body. Výuka předmětu probíhá během semestru. Opakovaně se předmět vyučuje vždy v zimním(Z), nebo v letním(L) semestru každého akademického roku. Výjimečně může předmět být nabízen studentům v obou semestrech(Z,L). Za organizační zajištění výuky zodpovídá přiřazená katedra, která zejména vytvoří časový rozvrh předmětu a zajistí pro předmět vyučující. Někteří přednáší a zkouší, jiní vedou cvičení a udělují zápočty.
Obsahová náplň a další organizační informace, týkající se předmětu je popsána pomocí různých popisných textů(anotace, týdenní osnova, literatura, apod.)
$DODATEK_POPIS

Anotace:
Students gain basic knowledge concerning retrieval techniques on the web, where the web environment is viewed as a large distributed and heterogenous data repository. In particular, the students will understand the techniques for retrieving text and hypertext documents (the web pages). Moreover, they will be aware of similarity retrieval methods focused on heterogenous multimedia databases (unstructured data collections, respectively).

Osnovy přednášek:

1.		Web space, search engines, web retrieval modalities.
2.		Boolean model of information retrieval.
3.		Vector model of information retrieval.
4.		Link analysis and PageRank.
5.		Web page ranking and search engine optimization.
6.		Semantic web and Linked data.
7.		Deep web and social context.
8.		Introduction to the similarity search in multimedia databases.
9.		Similarity queries.
10.		Indexing metric similarity for efficient multimedia retrieval.
11.		Approximate similarity retrieval.
12.		Advanced similarity search models.

Osnovy cvičení:

1.		Project topic presentation.
2.		Group consultations.
3.		Group consultations.
4.		Individual consultations.
5.		Individual consultations.
6.		Project presentation.
7.		Project presentation.

Literatura:
course slides +

1)		Ricardo Baeza-Yates, Berthier Ribeiro-Neto. Modern Information Retrieval: The Concepts and Technology behind Search, 2011, Addison-Wesley Professional, ISBN-10: 0321416910
2)		Amy N. Langville, Carl D. Meyer. Google's PageRank and Beyond: The Science of Search Engine Rankings, 2012, Princeton University Press, ISBN-10: 0691152667
3)		Kristopher B. Jones. Search Engine Optimization: Your Visual Blueprint for Effective Internet Marketing, 2013, Visual, ISBN-10: 1118551745
4)		Pavel Zezula, Giuseppe Amato, Vlastislav Dohnal, Michal Batko. Similarity Search: The Metric Space Approach, 2005, Springer, ISBN-10: 0387291466
5)		Charu C. Aggarwal. Data Mining: The Textbook. 2015, Springer, ISBN-10: 9783319141411

Požadavky:
Basic knowledge and skills in algorithmics, programming, data structures and database technologies.

Information about the course and courseware are available at https://courses.fit.cvut.cz/BI-VWM/

Předmět je zahrnut do těchto studijních plánů:

Plán Obor Role Dop. semestr BIE-TI.2015_ORIGINAL Computer Science (Bachelor, in English) V 4 BIE-TI.2015 Computer Science (Bachelor, in English) V 4 BIE-WSI-SI.2015 Software Engineering (Bachelor, in English) V 4 BIE-BIT.2015 Computer Security and Information technology (Bachelor, in English) V 4