Modulhandbuch

Angewandte Künstliche Intelligenz (AKI)

Natural Language Processing

Empfohlene Vorkenntnisse

Machine Learning 1

Lehrform Vorlesung/Labor
Lernziele / Kompetenzen

Die Studierenden erlernen Methoden und Techniken zur maschinellen Verarbeitung von natürlicher Sprache. Hiermit werden Sie in die Lage versetzt auch große und unstrukturierte Textmengen so zu verarbeiten, dass diese analysiert, strukturiert und formal repräsentiert werden können. Nach Abschluss der Veranstaltung sind die Studierenden in der Lage, die kennengelernten Methoden und Techniken auf beliebige andere Daten und Anwendungsfälle zu übertragen (z.B. zur Analyse von Volltexten von Büchern, Artikeln, Internetforen oder anderen digital vorliegenden Quellen).

Dauer 1
SWS 4.0
Aufwand
Lehrveranstaltung 60
Selbststudium / Gruppenarbeit: 120
Workload 180
ECTS 6.0
Voraussetzungen für die Vergabe von LP

Modulprüfung für "Natural Language Processing" (K60)
"Praktikum Natural Language Processing" muss "m.E." attestiert sein

Modulverantwortlicher

Prof. Dr. Stephan Trahasch

Max. Teilnehmer 41
Empf. Semester 4
Haeufigkeit jedes Jahr (SS)
Verwendbarkeit

Bachelor-Studiengang AKI

Veranstaltungen

Natural Language Processing

Art Vorlesung
Nr. EMI925
SWS 2.0
Lerninhalt

Die theoretischen Inhalte der Veranstaltung beinhalten u.a. die Themen Sprache und Bedeutung, Morphologie, Syntax vs. Semantik. Darauf aufbauend werden Verfahren und Methoden des PartofSpeechTagging, der Gegensatz von syntaktischem und statistischem Parsing und zur formale Wissensrepräsentation vorgestellt. Die LV gliedert sich folgendermaßen:
• Text Normalization, Tokenization, N-Grams
• Information Extraction
• automatisches Indexieren
• Part-of-Speech-Tagging
• Statistical und Dependency Parsing
• Word Embeddings (Word2Vec, GloVe etc.)
• Sentiment Analysis
• Named Entity Recognition and Classification
• Topic Modellierung
• Machine Translation

Literatur
  • Pfister, Beat; Kaufmann, Tobias (2017): Sprachverarbeitung. Grundlagen und Methoden der Sprachsynthese und Spracherkennung: Vieweg + Teubner Verlag.
  • Jurafsky, Daniel; Martin, James H. (2009): Speech and language processing. An introduction to natural language processing, computational linguistics, and speech recognition. 2nd ed. Upper Saddle River (N.J.): Pearson Prentice Hall/Pearson education international (Prentice Hall series in artificial intelligence).
  • Manning, Christopher D.; Raghavan, Prabhakar; Schütze, Hinrich (2018, cop. 2008): Introduction to information retrieval. 4th printing. Cambridge: Cambridge University Press.

Praktikum Natural Language Processing

Art Praktikum
Nr. EMI926
SWS 2.0
Lerninhalt

Die NLP-Konzepte und -Verfahren werden praktisch in Form von Laborpraktika angewendet und so die Kenntnis über die Funktionsweise und die Möglichkeiten vertieft. U.a. werden folgenden Themen praktisch behandelt:
• Textvorverarbeitung
• Information Extraction
• Verschiedene Sprachmodelle (Vektorraum, statistische Modelle)
• Word Embeddings
• Sentiment Analyse
• Named Entity Recognition and Classification