Statistical Methods for Computational Linguistics
Kursbeschreibung
| Studiengang | Modulkürzel | Leistungs- bewertung |
|---|---|---|
| BA-2010 | FF-SM | 6 LP |
| Dozenten/-innen | Stefan Riezler |
| Veranstaltungsart | Vorlesung/Übung |
| Erster Termin | 24.10.2017 |
| Zeit und Ort | Di, 14:15–15:45, INF 306 / SR 14 (SR) |
| Do, 11:15–12:45, INF 306 / SR 14 (SR) | |
| Commitment-Frist | tbd. |
Teilnahmevoraussetzungen
- Erfolgreicher Abschluss des Kurses "Formale Grundlagen der Computerlinguistik: Mathematische Grundlagen"
Leistungsnachweis
- Bearbeitung der Übungsaufgaben
- Klausur
- Regelmässige Teilnahme an der Vorlesung wird empfohlen, die Teilnahme an der Übung ist verpflichtend.
Inhalt
Die Vorlesung stellt zentrale Konzepte des statistischen maschinellen Lernens vor, und exemplifiziert diese anhand einfacher Aufgaben aus der automatischen Sprachverarbeitung. Der Fokus der Vorlesung liegt einerseits auf der Vermittlung theoretischer Fundamente maschinellen Lernens, andererseits auf der praktischen Umsetzung in effiziente Lernalgorithmen.
Mögliche Themenbereiche der Vorlesung sind:
- Loss/Risk-Funktionen
- Optimierung
- Regularisierung
- Lineare/Nicht-Lineare Modelle
- Online/Batch Algorithmen
Literatur
- Schölkopf & Smola (2002). Learning with Kernels. Support Vector Machines, Regularization, Optimization, and Beyond. MIT Press.
- Abney (2008). Semisupervised Learning. Chapman & Hall.
- Kulkarni, Harman (2011). An Elementary Introduction to Statistical Learning Theory. Wiley.
- Hastie, Tibshirani, Friedman (2011). The Elements of Statistical Learning. Data Mining, Inference, and Prediction. Springer.
- Kevin Murphy (2012). Machine Learning. A Probabilistic Perspective. MIT Press.
- Kyunghyun Cho (2015). Natural Language Understanding with Distributed Representations. Lecture Notes.
- Ian Goodfellow, Yoshua Bengio, Aaron Courville (2016). Deep Learning. MIT Press.
