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
Magister - -
Dozenten/-innen Stefan Riezler, Schigehiko Schamoni
Veranstaltungsart Vorlesung/Übung
Erster Termin 23.10.2012
(Erste Übung: 29.10.)
Zeit und Ort Mo, 09:1510:45, INF 306 / SR 19 (SR)
  Di, 11:1512:45, INF 327 / SR 4 (SR)
Commitment-Frist 6. Dezember 30. Januar

Teilnahmevoraussetzungen

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

Leistungsnachweis

  • Regelmäßige Teilnahme an Vorlesung und Übung
  • Bearbeitung der Übungsaufgaben
  • Klausur

Inhalt

Die Vorlesung stellt zentrale Konzepte des statistischen maschinellen Lernens vor, und exemplifiziert diese anhand grundlegender Methoden zur Klassifikation, Regression, etc. Der Fokus der Vorlesung liegt einerseits auf der Vermittlung theoretischer Fundamente maschinellen Lernens, andererseits auf der praktischen Umsetzung in effiziente Lernalgorithmen.

Mögliche Themenbereiche der Vorlesung sind:

  • Risk und Loss-Funktionen
  • Optimierungstheorie
  • Generalisierungstheorie
  • Lineare Modelle für Klassifizierung, Regression, etc.
  • Kernel-basierte Methoden
  • Dualität
  • Effiziente Algorithmen

Literatur

Grundlage der Vorlesung ist

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

Weiterführende Literatur:

  • Abney (2008). Semisupervised Learning . Chapman & Hall.
  • Hastie, Tibshirani, Friedman (2008). The Elements of Statistical Learning. Data Mining, Inference, and Prediction . Springer.
  • Kevin Murphy (2012). Machine Learning. A Probabilistic Perspective. MIT Press.
  • Shawe-Taylor & Christianini (2004). Kernel Methods for Pattern Analysis . Cambridge.
  • Christianini & Shawe-Taylor (2000). An Introduction to Support Vector Machines and other kernel-based learning methods . Cambridge University Press.

» weitere Kursmaterialien

zum Seitenanfang