Universität Wien

136040 VU Practical Machine Learning for Natural Language Processing (2021S)

10.00 ECTS (4.00 SWS), SPL 13 - Europäische und Vergleichende Sprach- und Literaturwissenschaft
Prüfungsimmanente Lehrveranstaltung
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 25 Teilnehmer*innen
Sprache: Deutsch, Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

The lectures and tutorial sessions will be either pre-recorded or live (BigBlueButton or Zoom). You will find detailed access information for each session in the Moodle course (one day in advance for every session).

Tentative schedule:
Dienstag 02.03.2021
[live, English/German] Course Intro; python basics

Donnerstag 04.03.2021
[live, English] Git basics

Dienstag 09.03.2021
[live, English] Python objects; Unit tests

Donnerstag 11.03.2021
[live, English] Tutorial Session

Dienstag 16.03.2021
[live, English] More Python/tools (e.g., virtualenv)

Donnerstag 18.03.2021
[live, English] Tutorial Session

Dienstag 23.03.2021
[recorded, German] Lecture (Maschinelles Lernen; Sentiment-Analyse; Perzeptron)

Donnerstag 25.03.2021
[live, German] Tutorial Session

Dienstag 13.04.2021
[recorded, German] Lecture (Paraphrasen-Erkennung; NumPy; Scikit-Learn)

Donnerstag 15.04.2021
[live, German] Tutorial Session

Dienstag 20.04.2021
[recorded, German] Lecture (Paraphrase Recognition; Matrix Representations)

Donnerstag 22.04.2021
[live, German] Tutorial Session

Dienstag 27.04.2021
[recorded, German] Lecture

Donnerstag 29.04.2021
[live] Q&A: Programmier-Übung 02

Dienstag 04.05.2021
[recorded, German] Lecture

Donnerstag 06.05.2021
[live] Q&A: Programmier-Übung 03

Dienstag 11.05.2021
[recorded, German] Lecture

Dienstag 18.05.2021
[recorded, German] Lecture

Donnerstag 20.05.2021
[live, German] Tutorial Session

Donnerstag 27.05.2021
[live, German] Tutorial Session

Dienstag 01.06.2021
[recorded, German] Lecture

Dienstag 08.06.2021
[recorded, German] Lecture

Donnerstag 10.06.2021
[live, German] Tutorial Session

Dienstag 15.06.2021
[recorded, German] Lecture

Donnerstag 17.06.2021
[live, German] Tutorial Session

Dienstag 22.06.2021
[recorded, German] Lecture

Donnerstag 24.06.2021
[live, German] Tutorial Session

Dienstag 29.06.2021
[live] General Q&A

  • Dienstag 02.03. 09:45 - 11:15 Digital
  • Donnerstag 04.03. 11:30 - 13:00 Digital
  • Dienstag 09.03. 09:45 - 11:15 Digital
  • Donnerstag 11.03. 11:30 - 13:00 Digital
  • Dienstag 16.03. 09:45 - 11:15 Digital
  • Donnerstag 18.03. 11:30 - 13:00 Digital
  • Dienstag 23.03. 09:45 - 11:15 Digital
  • Donnerstag 25.03. 11:30 - 13:00 Digital
  • Dienstag 13.04. 09:45 - 11:15 Digital
  • Donnerstag 15.04. 11:30 - 13:00 Digital
  • Dienstag 20.04. 09:45 - 11:15 Digital
  • Donnerstag 22.04. 11:30 - 13:00 Digital
  • Dienstag 27.04. 09:45 - 11:15 Digital
  • Donnerstag 29.04. 11:30 - 13:00 Digital
  • Dienstag 04.05. 09:45 - 11:15 Digital
  • Donnerstag 06.05. 11:30 - 13:00 Digital
  • Dienstag 11.05. 09:45 - 11:15 Digital
  • Dienstag 18.05. 09:45 - 11:15 Digital
  • Donnerstag 20.05. 11:30 - 13:00 Digital
  • Donnerstag 27.05. 11:30 - 13:00 Digital
  • Dienstag 01.06. 09:45 - 11:15 Digital
  • Dienstag 08.06. 09:45 - 11:15 Digital
  • Donnerstag 10.06. 11:30 - 13:00 Digital
  • Dienstag 15.06. 09:45 - 11:15 Digital
  • Donnerstag 17.06. 11:30 - 13:00 Digital
  • Dienstag 22.06. 09:45 - 11:15 Digital
  • Donnerstag 24.06. 11:30 - 13:00 Digital
  • Dienstag 29.06. 09:45 - 11:15 Digital

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

In dieser Vorlesung werden grundlegende Algorithmen des maschinellen Lernens in Python implementiert und auf Probleme der Verarbeitung natürlicher Sprache angewendet. Der Fokus liegt dabei auf Vektor-Repräsentationen von Texten, und die Methoden reichen von der Textklassifizierung mit dem Perzeptron-Algorithmus, über Wortvektoren bis hin zu einfachen neuronalen Netzwerken.
Es werden Grundkenntnisse in Python oder die Bereitschaft, sich diese schnell anzueignen, vorausgesetzt (die grundlegenden Kontroll- und Datenstrukturen, wie z.B. Klassendefinitionen oder Dictionaries). Die Sprache der Vorlesung ist Deutsch bzw. Englisch (je nach Dozent*in).

Art der Leistungskontrolle und erlaubte Hilfsmittel

Wird noch im Hinblick auf die Pandemie-Situation fesgelegt, z.B. regelmäßige Aufgaben während des Semesters und virtuelle mündliche Prüfung am Ende.

Mindestanforderungen und Beurteilungsmaßstab

Regelmäßige Bearbeitung von Aufgaben während des Semesters, und Erreichen einer Mindespunktezahl in einer Prüfung.

Prüfungsstoff

Kenntnisse über die in der Vorlesung behandelten Algorithmen und Machine-learning Verfahren, sowie deren in der Übung behandelten Anwendung und Implementierung.

Literatur

“Marc Pilgrim: Dive into Python”
https://diveintopython3.problemsolving.io/

“Hal Daume: A course in machine learning”
Kapitel 4,5,7,10
http://ciml.info/

“Goldberg & Levy: word2vec Explained: deriving Mikolov et al.'s negative-sampling word-embedding method”
https://arxiv.org/abs/1402.3722

“Christopher Olah’s blog”
http://colah.github.io/

“Goodfellow et al.: Deep Learning”
(advanced)
https://www.deeplearningbook.org/

“Keras Developer Guides”
https://keras.io/guides/

Zuordnung im Vorlesungsverzeichnis

S-DH (Cluster I: Language and Literature)

Letzte Änderung: Do 04.07.2024 00:13