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
Dozenten/-innen Stefan Riezler
Veranstaltungsart Vorlesung/Übung
Erster Termin 24.10.2017
Zeit und Ort Di, 14:1515:45, INF 306 / SR 14 (SR)
  Do, 11:1512:45, INF 306 / SR 14 (SR)
Commitment-Frist tbd.

Teilnahmevoraussetzungen

  • Erfolgreicher Abschluss des Kurses "Formale Grundlagen der Computerlinguistik: Mathematische Grundlagen"

Leistungsnachweis

  • Bearbeitung der Übungsaufgaben
  • Klausur
  • Regelmässige Teilnahme an Vorlesung und Übung wird empfohlen

Inhalt

Die Vorlesung stellt zentrale Konzepte des statistischen maschinellen Lernens vor, und exemplifiziert diese anhand einfacher Aufgaben aus der automatischen Sprachverarbeitung. 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:

  • Loss/Risk-Funktionen
  • Optimierung
  • Regularisierung
  • Lineare/Nicht-Lineare Modelle
  • Online/Batch Algorithmen

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.
  • Kyunghyun Cho (2015). Natural Language Understanding with Distributed Representations. Lecture Notes.
  • Ian Goodfellow, Yoshua Bengio, Aaron Courville (2016). Deep Learning. MIT Press.

» weitere Kursmaterialien

zum Seitenanfang