Neuronale Methoden haben sich in den vergangenen Jahren zum dominierenden Paradigma in der maschinellen Sprachverarbeitung (Natural Language Processing, NLP) entwickelt, und stellen heute den State-of-the-Art in einer Vielzahl von unterschiedlichen NLP-Tasks dar. Gleichzeitig erlaubt ihr datengetriebener Ansatz, dass allgemeinere Arten von Netzwerk-Architekturen für unterschiedliche Problemstellungen verwendet werden können.
In diesem Seminar wird die Anwendung und Implementation von neuronalen Netzwerken in der computerlinguistischen Forschung betrachtet. Wir wenden unterschiedliche Arten von neuronalen Netzen auf ausgewählte Probleme in der Verarbeitung von natürlicher Sprache an. Ein Schwerpunkt soll hierbei auf Modellen zur Sequenz-Generierung liegen, wie sie z.B. in der maschinellen Übersetzung, der Dialogmodellierung oder der automatischen Generierung von Bildbeschreibungen zum Einsatz kommen.
Im Vordergrund der Veranstaltung steht die praktische Anwendung, um relevante Programmiertechniken mit Python und dem Framework PyTorch zu erlernen. In Ergänzung hierzu ist die Besprechung von relevanten Netzwerk-Architekturen, Papers und Python-Modulen durch den Veranstaltungsleiter oder die Teilnehmenden geplant.
Grundsätzliche Fähigkeiten in der Programmierung mit Python werden vorausgesetzt.
Frequency | Weekday | Time | Format / Place | Period |
---|
Module | Course | Requirements | |
---|---|---|---|
23-LIN-Inf Computerlinguistische Grundlagen für Informatik-Studierende | Veranstaltung aus dem Bereich computerlinguistische Grundlagen | Study requirement
|
Student information |
Veranstaltung aus dem Bereich computerlinguistische Grundlagen | Study requirement
|
Student information | |
Veranstaltung aus dem Bereich computerlinguistische Grundlagen | Study requirement
|
Student information | |
- | Graded examination | Student information | |
23-LIN-MaCL-MethAngewCL Methoden der angewandten Computerlinguistik | 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.