136040 VU Practical Machine Learning for Natural Language Processing (2023S)
10.00 ECTS (4.00 SWS), SPL 13 - Finno-Ugristik, Nederlandistik, Skandinavistik und Vergl.Literaturw.
Prüfungsimmanente Lehrveranstaltung
Labels
GEMISCHT
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 06.02.2023 08:00 bis Mo 27.02.2023 08:00
- Abmeldung bis Fr 31.03.2023 23:59
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
N
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
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/
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: Di 14.02.2023 12:08
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).