Universität Wien
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

136040 VU Practical Machine Learning for Natural Language Processing (2023S)

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

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Donnerstag 02.03. 11:30 - 13:00 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Dienstag 07.03. 09:45 - 11:15 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Donnerstag 09.03. 11:30 - 13:00 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Dienstag 14.03. 09:45 - 11:15 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Donnerstag 16.03. 11:30 - 13:00 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Dienstag 21.03. 09:45 - 11:15 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Donnerstag 23.03. 11:30 - 13:00 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Dienstag 28.03. 09:45 - 11:15 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Donnerstag 30.03. 11:30 - 13:00 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Dienstag 18.04. 09:45 - 11:15 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Donnerstag 20.04. 11:30 - 13:00 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Dienstag 25.04. 09:45 - 11:15 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Donnerstag 27.04. 11:30 - 13:00 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Dienstag 02.05. 09:45 - 11:15 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Donnerstag 04.05. 11:30 - 13:00 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Dienstag 09.05. 09:45 - 11:15 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Donnerstag 11.05. 11:30 - 13:00 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Dienstag 16.05. 09:45 - 11:15 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Dienstag 23.05. 09:45 - 11:15 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Donnerstag 25.05. 11:30 - 13:00 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Donnerstag 01.06. 11:30 - 13:00 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Dienstag 06.06. 09:45 - 11:15 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Dienstag 13.06. 09:45 - 11:15 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Donnerstag 15.06. 11:30 - 13:00 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Dienstag 20.06. 09:45 - 11:15 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Donnerstag 22.06. 11:30 - 13:00 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Dienstag 27.06. 09:45 - 11:15 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
  • Donnerstag 29.06. 11:30 - 13:00 Seminarraum 6 Hauptgebäude, Tiefparterre Stiege 9 Hof 5

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

Während des Semesters gibt es regelmäßige Hausaufgaben und am Ende eine schriftliche Prüfung.

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