Zugehörige Lehrveranstaltungen
| Nr. | Art | Veranstaltungsname | Teilnahme | TWS |
| 38501 | VÜ | Natural Language Processing | Pflicht | 3 |
| 38502 | P | Praktikum Natural Language Processing | Pflicht | 3 |
| Summe (Pflicht und Wahlpflicht) | 6 | |||
Empfohlene Voraussetzungen
Die Studierenden sollten Grundkenntnisse in Informatik besitzen, insbesondere Erfahrung mit Algorithmen sowie Programmierkenntnisse in Python haben.
Qualifikationsziele
Ziel der Lehrveranstaltungen dieses Moduls ist es, die Studierenden mit speziellen Techniken des Natural Language Processing vertraut zu machen. Insbesondere sollen die Studierenden dabei lernen, wie Qualität, Zuverlässigkeit und Leistungsfähigkeit komplexer Sprachmodellle durch Auswahl entsprechender Entwicklungs- und Evaluationsmethoden gewährleistet werden können.
Inhalt
Die Studierenden lernen die wichtigsten Phänomene in natürlichen Sprachen auf verschiedenen Granularitätsebenen kennen, angefangen bei der Kombination von Lauten bis hin zur Bedeutung von Wörtern, Sätzen und Texten.
Sie erhalten eine Einführung in die wichtigsten symbolischen und statistischen Ansätze des Natural Language Processing (NLP) zur Modellierung dieser Phänomene. Alle theoretischen Themen werden von Übungen begleitet, die sich mit diesen Phänomenen befassen und die ihre Anwendung in praktischen Szenarien demonstrieren, wie z. B. Rechtschreibkorrektur, automatische Vervollständigung, Schlüsselwortextraktion, Themenerkennung, Erkennung von benannten Entitäten (Eigennamen), Relationsextraktion, Synonymerkennung etc.
Im Praktikum werden die Inhalte der Vorlesung im Rahmen eines exemplarischen NLP-Projekts zur Anwendung gebracht.
Literatur
- Dan Jurafsky, James H. Martin: Speech and Language Processing, 3. Auflage, 2023. https://web.stanford.edu/~jurafsky/slp3/
- Steven Bird, Ewan Klein, Edward Loper: Natural Language Processing with Python – Analyzing Text with the Natural Language Toolkit, 2019. https://www.nltk.org/book/
- Akshay Kulkarni, Adarsha Shivananda: Natural Language Processing Recipes: Unlocking Text Data with Machine Learning and Deep Learning Using Python, Apress, 2021.
Leistungsnachweis
Leistungsnachweis für das Gesamtmodul ist ein Portfolio, das sich aus den Einzelleistungen in den beiden Teilveranstaltungen zusammensetzt. Die geforderten Einzelleistungen sind wie folgt:
- 38501: Schriftliche Klausur von 60 Minuten oder Fachgespräch von 30 Minuten. Die Art der Leistung wird zu Beginn des Moduls bekannt gegeben.
- 38502: Präsentation, Bearbeitungszeit: 4 Wochen, Umfang 20 Minuten.
Die Leistungen zur Vorlesung (mit Übung) und im Praktikum gehen mit gleichen Anteilen in die Note ein.
Verwendbarkeit
Die Teilnahme an den Lehrveranstaltungen dieses Wahlpflichtmoduls ermöglicht den Studierenden die Übernahme einer Master-Arbeit im Bereich Data Science mit Fokus auf Natural Language Processing.
Dauer und Häufigkeit
Das Modul dauert 2 Trimester und beginnt jedes Jahr im WT.