Ruprecht-Karls-Universität Heidelberg
Bilder vom Neuenheimer Feld, Heidelberg und der Universität Heidelberg

Einführung in die lineare Algebra für Computerlinguistik

Kursbeschreibung

Studiengang Modulkürzel Leistungs-
bewertung
BA-2010[100%|75%] CS-CL 6 LP
BA-2010[50%|25%] BS-CL, BS-AC 4 LP
NBA[100%|75%] CS-CL 6 LP
NBA[50%|25%] BS-CL, BS-AC 4 LP
Magister - -
Dozenten/-innen Sascha Fendrich
Veranstaltungsart Vorlesung
Erster Termin 25.04.2012
Zeit und Ort Mi, 14:1515:45, INF 325 / SR 24 (SR)
TutoriumFelix Hieber
Mi, 16:00-17:30, INF 327 / SR 1

Teilnahmevoraussetzungen

  • Formale Grundlagen
  • Einführung in die Statistk
  • Einführung in die Logik
  • Mathematische Grundlagen aus Schule oder Vorkurs

Leistungsnachweis

regelmäßige Teilnahme, je nach Teilnehmerzahl Klausur oder mündliche Prüfung

Inhalt

Die Vorlesung behandelt grundlegende Themen der linearen Algebra. Die Kenntnis dieser mathematischen Grundlagen ist wichtig, um die algebraischen Methoden zu verstehen, die z.B. in den Bereichen des maschinellen Lernens, des Information Retrieval oder der distributionellen Semantik eingesetzt werden. Mögliche Themenbereiche der Vorlesung sind:

Theorie:

  • Vektorräume
  • Lineare Abbildungen
  • Skalarprodukt
  • Hyperebenen
  • Mehrdimensionale Ableitungen/Gradient
  • Determinanten
  • Eigenwerte und Eigenvektoren

Anwendungen:

  • SVD
  • PCA
  • SVMs

Aktuelles

  • ab 11.07. finden keine Make-Up-Sessions mehr statt
  • 05.07.: Große Skriptkorrektur von Sitzung 4
  • 28.06.: Skript-Update von Sitzung 7
  • 20.06.: Literatur-Update.
  • ab 16.05., 14:00-14:15: Erstsemester Make-up
  • 31.05.: Skript-Update von Sitzung 4

Kursübersicht

Seminarplan

Datum Sitzung Materialien
25.04.1. Orga, Einführung Folien, Skript, Übung 1, Lösung
02.05.2. Algebraische Strukturen Skript, Übung 2, Lösung
09.05.3. Vektorräume, Matrizen Skript, Übung 3
16.05.4. Unterräume, Span, Basen Skript++, Übung 4
23.05.5. Lineare Gleichungssysteme, Eigenwerte und Eigenvektoren Skript, Übung 5
30.05.6. Basistransformation, Matrix-Inversion Skript, Übung 6
06.06.7. Singulärwertzerlegung, Hauptkomponentenanalyse Skript+, Übung 7, Lösung, Tutorial
13.06.8. PCA Demo (Bildkompression), LSA, Mehrdimensionale Ableitungen Skript, Übung, simple_pca.m, LSA1
20.06.9. Optimierung am Beispiel der Supportvektor-MaschineSkript, Übung, Lösung
27.06.10. Konvexe Optimierung Skript, Übung 10
04.07.11. Dualitäts. Skript 10, Übung 11
11.07.12. Ausführliches Anwendungsbeispiel Paper, kein Übungsblatt
18.07.13. Fragestunde
25.07.14. Klausur

+ Update

1 Landauer & Dumais, 1997.

Literatur

» weitere Kursmaterialien

zum Seitenanfang