Readings in Machine Learning: Semisupervised Learning
Kursbeschreibung
Dozenten/-innen | Stefan Riezler |
Veranstaltungsart | Proseminar |
Zeit und Ort | Do, 16:15 - 17:45, INF 325 / SR 23a-c (SR) |
Studiengang | Magister, ABA, NBA |
Modul-Kürzel | ABA: A13; NBA: CS-CL, BS-CL |
Leistungsbewertung | ABA: 4 LP NBA: 6 LP |
Teilnahmevoraussetzungen
Grundbegriffe von Statistik und Machine Learning.
Leistungsnachweis
Zu gleichen Teilen:
- Mündlicher Vortrag
- Aktive und regelmäßige Teilnahme
- Schriftliche Ausarbeitung
Inhalt
SSL bezeichnet die Kombination von Supervised Learning und Unsupervised Learning Techniken in Situationen, wo nur eine kleine Menge von manual annotierten Daten (z.B. Baumbanken), aber eine große Menge von unannotierten Daten (z.B. Texte) verfügbar ist. Da manuelle Datenannotierung kostspielig ist, sind SSL Techniken auf beinahe alle Machine Learning Situationen anwendbar. Erfolgreiches SSL Learning erzielt Ergebnisse vergleichbar zu Supervised Learning, jedoch mit minimalem Aufwand für manuelle Annotierung.
Das Proseminar ist in sich abgeschlossen, und soll weniger fortgeschrittenen Studenten die Möglichkeit bieten, bahnbrechende Arbeiten im Bereich des SSL im Original kennenzulernen. Das Proseminar wird begleitend zur Vorlesung "Introduction to Semisupervised Learning" angeboten, kann aber auch als separate Veranstaltung besucht werden.
Literatur
Als Grundlagenlektüre eignet sich in jedem Fall Steve Abneys Lehrbuch "Semisupervised Learning for Computational Linguistics": http://www.crcpress.com/shopping_cart/products/product_detail.asp?sku=C5599. Eine Liste von Papers wird in der ersten Seminarsitzung bekanntgegeben.