230039 Neuronale Netze in der Sprachverarbeitung (S) (SoSe 2023)

Maschinelles Lernen ist ein zentrales Verfahren in der computerlinguistischen Forschung und vielen sprachtechnologischen Anwendungen. In den letzten Jahren wurden hier vor allem mit sogenannten neuronalen Netzen bzw. Methoden des Deep Learning Fortschritte erzielt. Dieses Seminar führt zunächst in einige grundlegende Verfahren des Lernens in der Computerlinguistik ein (distributionelle Semantik, logistische Regression/Textklassifikation). Wir beschäftigen uns dann mit zwei grundlegenden Typen von neuronalen Netzen, Feed-forward-Netzen und rekurrenten Netzen, und besprechen deren Anwendung in der Sprachverarbeitung. Außerdem geht es um Verfahren zum Lernen von sogenannten Wort- und Satzeinbettungen, die Wörter und Sätze mit kontinuierlichen Repräsentationen erfassen, neuere Entwicklungen wie Transformer-Architekturen, aber auch linguistische Ansätze zur Evaluation und Modellierung von neuronalen Sprachmodellen.

Teilnahmevoraussetzungen, notwendige Vorkenntnisse

Notwendig:
- Programmieren mit Python

Empfohlen:
- Einführung Computerlinguistik o.ä.

Literaturangaben

- Dan Jurafsky and James H. Martin. Speech and Language Processing (3rd ed. draft). Aktuelle Draftversion unter https://web.stanford.edu/~jurafsky/slp3/
- Delip Rao und Brian McMahan. 2019. Natural Language Processing mit PyTorch. O'Reilly