|
| Rhythmus | Tag | Uhrzeit | Ort | Zeitraum |
|---|
| Studiengang/-angebot | Gültigkeit | Variante | Untergliederung | Status | Sem. | LP | |
|---|---|---|---|---|---|---|---|
| Linguistik: Kommunikation, Kognition und Sprachtechnologie / Master | (Einschreibung ab WS 10/11) | 23-LIN-MaCL1 | 3 |
Die Anforderungen an die regelmäßige und aktive Teilnahme (nur gültig für Studienmodell 2002) sind hier erläutert. In den FsB und Modulhandbüchern finden sich Informationen, ob Studienleistungen (nur gültig für Studienmodell 2011)/Einzelleistungen/Modul(teil)prüfungen vorgesehen sind, und welche Anforderungen hierfür bestehen.
Erfolgreiche und regelmäßige Bearbeitung der Aufgaben.
In dieser Veranstaltung werden fortgeschrittene Methoden der angewandten CL praktisch und theoretisch erarbeitet. Es handelt sich dabei im Wesentlichen um Methoden des maschinellen Lernens, und dabei insbesondere um Methoden zur automatischen Klassifikation. Solche automatischen Klassifikationsaufgaben in der CL sind zum Beispiel die Zuordnung von Themengebieten zu Texten, die Erkennung von Referenten von anaphorischen Ausdrücken, die Bewertung von tweets als positiv oder negativ, und vieles mehr.
Ausgegangen wird von der Analyse einer aktuellen Forschungsveröffentlichung: Was wurde gemacht? Welche Methoden wurden verwendet (Codierung der Merkmale, Lernverfahren, Evaluation)? Die verwendeten Methoden sollen dann theoretisch wie praktisch (algorithmisch) gemeinsam erarbeitet werden. Es werden Aufgaben vergeben und deren Lösungen gemeinsam besprochen.
Nach erfolgreichem Besuch der Veranstaltung sollen die TeilnehmerInnen in der Lage sein, aktuelle Methoden der angewandten CL auswählen und anwenden zu können.
Anmerkung für TeilnehmerInnen der Veranstaltung "maschinelles Lernen in der CL" aus dem SoSe 2011: Obwohl es kleinere thematische Überlappungen geben wird, ist diese Veranstaltung als (unabhängige) Fortsetzung / Erweiterung jener Veranstaltung gedacht und kann also auch besucht werden.
Erwartet werden elementare Programmierkenntnisse (oder die Bereitschaft, sich diese im Eigenstudium anzueignen) und die Bereitschaft, sich mit mathematischen Methoden auseinanderzusetzen.
Als Literatur für den theoretischen Teil wird entweder:
Alpaydin, Introduction to Machine Learning, 2nd Edition, MIT Press, 2010
oder
Bishop, Pattern Recognition and Machine Learning, Springer, 2006
oder
Marsland, Machine Learning: An Algorithmic Perspective, CRC Press 2009
verwendet werden. Genaueres wird noch bekannt gegeben.
Bei dieser Veranstaltung existiert ein entsprechendes Kursangebot im Stud.IP System der Bibliothek. Auch dort können Lehrende Materialien zu Lehrveranstaltungen ablegen.
| TeilnehmerInnen | |
|---|---|
|
|
| Automatischer E-Mailverteiler der Veranstaltung | |
|---|---|
|
|
| Forum | |
|---|---|
|
|
| Änderungen/Aktualität der Veranstaltungsdaten | |
|---|---|
|
|
| Sonstiges | |
|---|---|
|
|