Universität Wien FIND

Due to the COVID-19 pandemic, changes to courses and exams may be necessary at short notice. Inform yourself about the current status on u:find and check your e-mails regularly. Registration is mandatory for courses and exams. Wearing a FFP2 face mask and a valid evidence of being tested, vaccinated or have recovered from an infection are mandatory on site.

Please read the information on studieren.univie.ac.at/en/info.

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

Continuous assessment of course work

Registration/Deregistration

Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).

Details

max. 25 participants
Language: German, English

Lecturers

Classes (iCal) - next class is marked with N

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

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

Information

Aims, contents and method of the course

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).

Assessment and permitted materials

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

Minimum requirements and assessment criteria

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

Examination topics

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

Reading list

“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/

Association in the course directory

S-DH (Cluster I: Language and Literature)

Last modified: Mo 22.02.2021 11:08