Deep Learning

Inhalt

Im Kurs sollen grundlegende Kenntnisse vermittelt werden, die benötigt werden, um mit Deep Learning Textdaten auswerten und verarbeiten zu können.
Hierzu werden, je nach Wissensstand der Veranstaltungsbesucher:innen, zuerst Einführungen in Python und Git gegeben. Anschließend werden Grundlagen des Natural Language Processing besprochen und angewendet. Hierzu zählen verschiedene Formen künstlicher neuronaler Netze, deren Konfiguration, Data Preprocessing, Trouble Shooting im Training künstlicher neuronaler Netze sowie die Evaluation der Ergebnisse.

Anforderungen

Die praktische Umsetzung wird mittels Python stattfinden. Daher sind grundlegende Programmierkenntnisse notwendig.

Studienleistung

Aufgaben bis zur den angegebenen Fristen einreichen
Aktive Teilnahme

Literatur

Chacon, Scott & Straub, Ben (2014): Pro Git. 2nd edition. Apress.

online zugänglich.

Jurafski, D. & J. Martin (2020): Speech and Language Processing. New Jersey: Prentice Hall.

Einführendes Werk mit Augenmerk auf aktuelle statistische Verfahren der Sprachverarbeitung, 75 €, Zum überwiegenden Teil sind die neu aktualisierten Kapitel online zugänglich.
Für uns sind besonders die Kapitel 5-9 interessant.

Tunstall, Lewis. et al. (2023). Natural Language Processing mit Transformern. 1. Auflage. Heidelberg: o'Reilly.

Vaswani et al. (2017). Attention is all you need. online