Universität Wien
Warning! The directory is not yet complete and will be amended until the beginning of the term.

136040 VU Practical Machine Learning for Natural Language Processing (2022S)

10.00 ECTS (4.00 SWS), SPL 13 - Europäische und Vergleichende Sprach- und Literaturwissenschaft
Continuous assessment of course work
MIXED
Moodle

Registration/Deregistration

Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).

Details

max. 25 participants
Language: English

Lecturers

Classes (iCal) - next class is marked with N

Thursday 03.03.2022 11:30 -13:00 ONLINE (See Moodle link)
Tuesday 08.03.2022 09:45 -11:15 ONLINE (See Moodle link)
Thursday 10.03.2022 11:30 -13:00 ONLINE (See Moodle link)
Tuesday 15.03.2022 09:45 -11:15 ONLINE (See Moodle link)
Thursday 17.03.2022 11:30 -13:00 ONLINE (See Moodle link)

  • Tuesday 01.03. 09:45 - 11:15 Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9
  • Thursday 03.03. 11:30 - 13:00 Seminarraum 17, Kolingasse 14-16, OG02
  • Tuesday 08.03. 09:45 - 11:15 Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9
  • Thursday 10.03. 11:30 - 13:00 Seminarraum 17, Kolingasse 14-16, OG02
  • Tuesday 15.03. 09:45 - 11:15 Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9
  • Thursday 17.03. 11:30 - 13:00 Seminarraum 17, Kolingasse 14-16, OG02
  • Tuesday 22.03. 09:45 - 11:15 Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9
  • Thursday 24.03. 11:30 - 13:00 Seminarraum 17, Kolingasse 14-16, OG02
  • Tuesday 29.03. 09:45 - 11:15 Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9
  • Thursday 31.03. 11:30 - 13:00 Seminarraum 17, Kolingasse 14-16, OG02
  • Tuesday 05.04. 09:45 - 11:15 Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9
  • Thursday 07.04. 11:30 - 13:00 Seminarraum 17, Kolingasse 14-16, OG02
  • Tuesday 26.04. 09:45 - 11:15 Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9
  • Thursday 28.04. 11:30 - 13:00 Seminarraum 17, Kolingasse 14-16, OG02
  • Tuesday 03.05. 09:45 - 11:15 Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9
  • Thursday 05.05. 11:30 - 13:00 Seminarraum 17, Kolingasse 14-16, OG02
  • Tuesday 10.05. 09:45 - 11:15 Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9
  • Thursday 12.05. 11:30 - 13:00 Seminarraum 17, Kolingasse 14-16, OG02
  • Tuesday 17.05. 09:45 - 11:15 Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9
  • Thursday 19.05. 11:30 - 13:00 Seminarraum 17, Kolingasse 14-16, OG02
  • Tuesday 24.05. 09:45 - 11:15 Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9
  • Tuesday 31.05. 09:45 - 11:15 Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9
  • Thursday 02.06. 11:30 - 13:00 Seminarraum 17, Kolingasse 14-16, OG02
  • Thursday 09.06. 11:30 - 13:00 Seminarraum 17, Kolingasse 14-16, OG02
  • Tuesday 14.06. 09:45 - 11:15 Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9
  • Tuesday 21.06. 09:45 - 11:15 Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9
  • Thursday 23.06. 11:30 - 13:00 Seminarraum 17, Kolingasse 14-16, OG02
  • Tuesday 28.06. 09:45 - 11:15 Hörsaal 31 Hauptgebäude, 1.Stock, Stiege 9
  • Thursday 30.06. 11:30 - 13:00 Seminarraum 17, Kolingasse 14-16, OG02

Information

Aims, contents and method of the course

In dieser Vorlesung werden grundlegende Algorithmen des maschinellen Lernens in Python implementiert und auf Probleme der Verarbeitung natürlicher Sprache angewendet. Der Fokus liegt dabei auf Vektor-Repräsentationen von Texten, und die Methoden reichen von der Textklassifizierung mit dem Perzeptron-Algorithmus, über Wortvektoren bis hin zu einfachen neuronalen Netzwerken.
Es werden Grundkenntnisse in Python oder die Bereitschaft, sich diese schnell anzueignen, vorausgesetzt (die grundlegenden Kontroll- und Datenstrukturen, wie z.B. Klassendefinitionen oder Dictionaries). Die Sprache der Vorlesung ist Deutsch bzw. Englisch (je nach Dozent*in).

Assessment and permitted materials

Wird noch im Hinblick auf die Pandemie-Situation fesgelegt, z.B. regelmäßige Aufgaben während des Semesters und virtuelle mündliche Prüfung am Ende.

Minimum requirements and assessment criteria

Regelmäßige Bearbeitung von Aufgaben während des Semesters, und Erreichen einer Mindespunktezahl in einer Prüfung.

Examination topics

Kenntnisse über die in der Vorlesung behandelten Algorithmen und Machine-learning Verfahren, sowie deren in der Übung behandelten Anwendung und Implementierung.

Reading list

“Marc Pilgrim: Dive into Python”
https://diveintopython3.problemsolving.io/

“Hal Daume: A course in machine learning”
Kapitel 4,5,7,10
http://ciml.info/

“Goldberg & Levy: word2vec Explained: deriving Mikolov et al.'s negative-sampling word-embedding method”
https://arxiv.org/abs/1402.3722

“Christopher Olah’s blog”
http://colah.github.io/

“Goodfellow et al.: Deep Learning”
(advanced)
https://www.deeplearningbook.org/

“Keras Developer Guides”
https://keras.io/guides/

Association in the course directory

S-DH (Cluster I: Language and Literature)

Last modified: Th 04.07.2024 00:13