Statistical Methods for Computational Linguistics
Kursbeschreibung
| Studiengang | Modulkürzel | Leistungs- bewertung |
|---|---|---|
| BA-2010 | FF-SM | 6 LP |
| Dozenten/-innen | Stefan Riezler |
| Veranstaltungsart | |
| Sprache | Deutsch |
| Erster Termin | 17.10.2024 |
| Zeit und Ort |
Übung: Di, 10:15–11:45, INF 306 / SR 13 Vorlesung: Do, 10:15–11:45, INF 328 / SR 25 Tutorium: Do, 15:15-16:45, INF 326 / SR 28 |
| Commitment-Frist | tbd. |
Teilnehmerkreis
Für Studierende der Computerlinguistik (mind 25%) sowie für Studierende des Bsc/Msc Informatik, Bsc Mathematik und Msc Scientific Computing, die Computerlinguistik als Anwendungsgebiet gewählt haben. Studierende anderer Fachrichtungen sind nur als Hörende zugelassen.
Teilnahmevoraussetzungen
Erfolgreicher Abschluss des Kurses "Formale Grundlagen der Computerlinguistik: Mathematische Grundlagen"
Leistungsnachweis
- Bearbeitung der Übungsaufgaben
- Klausur
- Regelmäßige Teilnahme an Vorlesung und Übung wird empfohlen
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.
