Ruprecht-Karls-Universität Heidelberg
Institut für Computerlinguistik

Bilder vom Neuenheimer Feld, Heidelberg und der Universität Heidelberg

Formale Grundlagen der Computerlinguistik: Mathematische Grundlagen - FF-FM

Kursbeschreibung

Studiengang Modulkürzel Leistungs-
bewertung
BA-2010 FF-FM 6 LP
Dozenten/-innen Mayumi Ohta
Veranstaltungsart Vorlesung / Übung
Sprache Deutsch
Erster Termin 21.04.2021
Zeit und Ort Mittwoch, 16:15-17:45, Online (asynkron)
Commitment-Frist tbd.


Anmeldung zur Vorlesung

Für die Teilnahme ist eine Anmeldung erforderlich.

[Weitere Info] Anmeldungsfrist: 11. April 2021

Einteilung der Übungsgruppen

Neben der Vorlesung werden zwei Tutoriumstermine angeboten:

  • Dienstags 14:15-15:45, heiConf (erste Sitzung: 20. April 2021)
  • Freitags 14:15-15:45, heiConf (erste Sitzung: 23. April 2021)

Bitte registrieren Sie sich im MÜSLI. Die Teilnahme eines Tutoriums ist freiwillig (wird allerdings stark empfohlen).



Teilnehmerkreis

Für Studierende der Computerlinguistk (mind 25%). Andere Studierende sind nicht zugelassen.

Teilnahmevoraussetzungen

keine

(empfohlen: Einführung in die Computerlinguistik, Einführung in die Logik, Programmieren I)

Leistungsnachweis

  • aktive Teilnahme
  • erfolgreiche Bearbeitung der Übungsaufgaben
  • Bestehen der Klausur

Inhalt

Die Veranstaltung bietet eine Einführung in die formalen und mathematischen Methoden, die für die Modellierung von computerlinguistischen Problemen grundlegend sind, insbesondere Grundbegriffe der Wahrscheinlichkeitstheorie und Statistik, der Analysis sowie der linearen Algebra.

Teil 1: Lineare Algebra

  • Matrizenarithmetik, Lineares Gleichungssystem, Lp-Norm
  • Linearkombination, Lineartransformation, Basis, Basiswechsel
  • Eigenwert, Eigenvektor, Diagonalisierung

Teil 2: Analysis

  • Injektiv, Surjektiv, Bijektiv; Maximum, Minimum, Infimum, Supremum
  • Stetigkeit, Differenzierbarkeit; Monotonie, Beschränktheit; Grentzwert, Konvergenz
  • Folge, Reihe; Mathematische Induktion
  • Fundamentalsatz der Analysis, Partielle Ableitung, Gradient, Jacobian, Hessian

Teil 3: Statistik und Wahrscheinlichkeitstheorie

  • Deskriptive Statistik: Erwartungswert, Varianz, Kovarianz; Mittelwert, Median, Modus, Quantile
  • Infferenzstatistik: Konfidenzinterval, Schätzung, Signifikanztest
  • Normal-verteilung, Poisson-verteilug, Binomial-, Multinomialverteilung
  • Kulback-Leibler Divergenz, Entropie, Kreuzentropie, Maximum Likelihood Estimation
  • Bayessche Statistik: Bedingte Wahrscheinlichkeit

» weitere Kursmaterialien

zum Seitenanfang