230014 Neuronale Netze in der Sprachverarbeitung (S) (SoSe 2022)
Contents, comment
-
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 und einen der wichtigsten Durchbrüche der computerlinguistischen Forschung der letzten Jahre darstellen.
Requirements for participation, required level
-
Notwendig:
- Programmieren mit PythonEmpfohlen:
- Einführung Computerlinguistik o.ä.
Bibliography
-
- 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
Teaching staff
Dates ( Calendar view )
| Frequency | Weekday | Time | Format / Place | Period | |
|---|---|---|---|---|---|
| wöchentlich | Di | 14-16 | VHF.01.210 | 04.04.-15.07.2022 |
Subject assignments
| Module | Course | Requirements | |
|---|---|---|---|
| 23-LIN-Inf Computerlinguistische Grundlagen für Informatik-Studierende | Veranstaltung aus dem Bereich computerlinguistische Grundlagen | Study requirement
|
Student information |
| - | Graded examination | Student information | |
| 23-LIN-MaCL-MethAngewCL Methoden der angewandten Computerlinguistik | Lehrveranstaltung 1 | Study requirement
|
Student information |
| Lehrveranstaltung 2 | Study requirement
|
Student information |
The binding module descriptions contain further information, including specifications on the "types of assignments" students need to complete. In cases where a module description mentions more than one kind of assignment, the respective member of the teaching staff will decide which task(s) they assign the students.
| Degree programme/academic programme | Validity | Variant | Subdivision | Status | Semester | LP | |
|---|---|---|---|---|---|---|---|
| Linguistik: Kommunikation, Kognition und Sprachtechnologie / Master | (Einschreibung bis WiSe 19/20) | 23-LIN-MaCL1; 23-LIN-MaCL2 | 3 |
- E-Learning Space
- E-Learning Space
- Registered number: 14
- This is the number of students having stored the course in their timetable. In brackets, you see the number of users registered via guest accounts.
- Address:
- SS2022_230014@ekvv.uni-bielefeld.de
- This address can be used by teaching staff, their secretary's offices as well as the individuals in charge of course data maintenance to send emails to the course participants. IMPORTANT: All sent emails must be activated. Wait for the activation email and follow the instructions given there.
- If the reference number is used for several courses in the course of the semester, use the following alternative address to reach the participants of exactly this: VST_314929622@ekvv.uni-bielefeld.de
- Coverage:
- 9 Students to be reached directly via email
- Notes:
- Additional notes on the electronic mailing lists
- Last update basic details/teaching staff:
- Friday, October 29, 2021
- Last update times:
- Wednesday, February 16, 2022
- Last update rooms:
- Wednesday, February 16, 2022
- Type(s) / SWS (hours per week per semester)
- Seminar (S) / 2
- Department
- Fakultät für Linguistik und Literaturwissenschaft
- Questions or corrections?
- Questions or correction requests for this course?
- Planning support
- Clashing dates for this course
- Links to this course
- If you want to set links to this course page, please use one of the following links. Do not use the link shown in your browser!
- The following link includes the course ID and is always unique:
- https://ekvv.uni-bielefeld.de/kvv_publ/publ/vd?id=314929622
- Send page to mobile
-
Click to open QR code
Scan QR code:
- ID
- 314929622