230014 Neuronale Netze in der Sprachverarbeitung (S) (SoSe 2022)

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.

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