Experimente gestalten fürs Maschinelle Lernen (Exp ML)
Kursbeschreibung
| Studiengang | Modulkürzel | Leistungs- bewertung |
|---|---|---|
| BA-2010[100%|75%] | CS-CL | 6 LP |
| BA-2010[50%] | BS-CL | 6 LP |
| BA-2010[25%] | BS-AC, BS-FL | 4 LP |
| Dozenten/-innen | Letitia Parcalabescu |
| Veranstaltungsart |
|
| Sprache | Deutsch |
| Erster Termin | 28.10.2021 |
| Zeit und Ort | Dienstags, 9:15-10:45, SR1, INF 327 |
| Commitment-Frist | tbd. |
Teilnahmevoraussetzungen
Der Kurs erfordert Kenntnisse im Umgang mit Python. Umgang mit Jupyter Notebooks ist von Vorteil.
scikit-learn (sklearn) und der Umgang mit git sollten bekannt sein (diese Themen werden im Ressourcenvorkurs
behandelt).
Leistungsnachweis
- Regelmäßige und aktive Teilnahme
- Lösung der Übungsaufgaben
- Abgabe und Vorstellung des Projektes
Inhalt
Theoretische Vorkenntnisse im Bereich des maschinellen Lernens sind keine
Voraussetzung. Der Schwerpunkt liegt auf der Arbeitsweise mit Daten, Evaluierung, Zielsetzung,
Projektgestaltung und NICHT auf den Algorithmen.
Wir werden in erster Linie mit Python arbeiten. Es werden praktische Aufgaben zu lösen sein, außerdem soll ein
kleineres Projekt aus einem Anwendungsfeld der Computerlinguistik in Betreuung durch die Dozentin ausgearbeitet
werden.
Die Übungsaufgaben und das Projekt werden mit git (durch GitLab) verwaltet und abgegeben.
Im ersten Teil der Veranstaltung werden mit Hilfe von zwei beispielhaften Algorithmen (Entscheidungsbäume und
dem Naive Bayes Algorithmus) wichtige Konzepte für die Arbeitsweise im Vorlesungsstil eingeführt
(Train/Dev/Test-Split, Cross-Validierung, F1- Score, etc). Parallel werden kurze Aufgabenblätter zu bearbeiten
sein, die die Konzepte aus der Vorlesung vertiefen und praktisch (mit Python) anwenden.
In der zweiten Hälfte des Semesters wird durch anleitende Übungsblätter die Organisation und Durchführung eines
Experiments erläutert und von den Studierenden ausgeführt.
