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 |
Veranstaltungsart | Vorlesung/Übung |
Erster Termin | 22.10.2015 |
Zeit und Ort | Di, 14:15–15:45, INF 306 / SR 13 (SR) |
Do, 16:15–17:45, INF 306 / SR 13 (SR) | |
Commitment-Frist | 20.01.2016 |
Teilnahmevoraussetzungen
- Mathematischer Vorkurs bzw. äquivalente Kenntnisse der Grundlagen der Wahrscheinlichkeitstheorie und Linearen Algebra.
- Formale Grundlagen der Computerlinguistik: Mathematische Grundlagen.
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 und Nicht-Lineare Modelle für Klassifizierung, Regression, etc.
- Effiziente Algorithmen
Kursübersicht
Seminarplan
Datum | Sitzung | Materialien |
Literatur
- Schölkopf & Smola (2002). Learning with Kernels. Support Vector Machines, Regularization, Optimization, and Beyond. MIT Press.
- Abney (2008). Semisupervised Learning. Chapman & Hall.
- Kulkarni, Harman (2011). An Elementary Introduction to Statistical Learning Theory. Wiley.
- Hastie, Tibshirani, Friedman (2011). The Elements of Statistical Learning. Data Mining, Inference, and Prediction. Springer.
- Kevin Murphy (2012). Machine Learning. A Probabilistic Perspective. MIT Press.