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

Statistical Methods for Computational Linguistics

Kursbeschreibung

Studiengang Modulkürzel Leistungs-
bewertung
BA-2010 FF-SM 6 LP
NBA FF-SM 6 LP
ABA A10 4 LP
Magister - -
Dozenten/-innen Stefan Riezler, Sascha Fendrich
Veranstaltungsart Vorlesung/Übung
Veranstaltungsbeginn V: Di, 19.10.2010
Ü: Do, 28.10.2010
Zeit und Ort Di, 16:1517:45, INF 306 / SR 14 (SR)
  Do, 14:1515:45, INF 328 / SR 25 (SR)

Teilnahmevoraussetzungen

Grundlagen der Wahrscheinlichkeitstheorie und Linearen Algebra, z.B. aus Mathematischem Grundkurs

Leistungsnachweis

  • Aktive und regelmässige Teilnahme
  • Bearbeitung der Übungsaufgaben
  • Klausur

Die Teilnahme an Vorlesung und Übung ist verpflichtend.

Inhalt

Die Vorlesung stellt zentrale Konzepte der Statistical Learning Theory vor, und exemplifiziert diese anhand grundlegender Methoden zur Klassifikation, Regression, etc. Der Fokus der Vorlesung liegt auf Kernel-basierten Methoden und den diesen zugrundeliegenden theoretischen Fundamenten.

Mögliche Themenbereiche der Verlesung sind:

  • Risk und Loss Funktionen
  • Generalisierungstheorie
  • Optimierungstheorie
  • Kernel-basierte Methoden für Klassifizierung, Regression, etc.
  • Kernel-Designs

Literatur

Grundlage der Vorlesung ist

  • Schölkopf & Smola (2002). Learning with Kernels. Support Vector
    Machines, Regularization, Optimization, and Beyond. MIT Press.

» weitere Kursmaterialien

zum Seitenanfang