Διοικητικές πληροφορίες
| Τίτλος | Επεξεργασία φυσικής γλώσσας |
| Διάρκεια | 60 — 70 λεπτά |
| Ενότητα | Α |
| Είδος μαθήματος | Διάλεξη |
| Εστίαση | Πρακτική — Μοντελοποίηση τεχνητής νοημοσύνης |
| Θέμα | Στατιστικές μέθοδοι για την ταξινόμηση NLP και κειμένου |
Λέξεις-κλειδιά
NLP, Επεξεργασία Φυσικής Γλώσσας, Υπολογιστική Γλωσσολογία,
Μαθησιακοί στόχοι
- Οι μαθητές κατανοούν τις βασικές έννοιες της Επεξεργασίας Φυσικής Γλώσσας
- Οι μαθητές μαθαίνουν περιπτώσεις χρήσης NLP
- Οι μαθητές εξοικειώνονται με διάφορα εργαλεία και έννοιες NLP
Αναμενόμενη προετοιμασία
Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν
Καμία.
Υποχρεωτικό για τους φοιτητές
- Ανασκόπηση των βασικών στατιστικών
Προαιρετικό για Φοιτητές
- Τίτλος: Python Programming Language
Αναφορές και υπόβαθρο για τους μαθητές
- Ηθικά από το σχεδιασμό: Δεοντολογία Βέλτιστες Πρακτικές για την Επεξεργασία Φυσικής Γλώσσας
- Επίσκοπος, Κρίστοφερ Μ. (2006). Αναγνώριση προτύπων και μηχανική μάθηση
- [https://terpconnect.umd.edu/~kshilton/pdf/VitaketalCSCWpreprint.pdf Πέρα από τις αρχές του Belmont: Ηθικές προκλήσεις, πρακτικές και πεποιθήσεις στην διαδικτυακή κοινότητα έρευνας δεδομένων]
- Jurafskly D., Martin J.H. — Εισαγωγή στο NLP, Υπολογιστική Γλωσσολογία και Αναγνώριση Ομιλίας
- Manning, Prabhakar Raghavan και Hinrich Schütze, Εισαγωγή στην ανάκτηση πληροφοριών, Cambridge University Press. 2008.
Συνιστάται για εκπαιδευτικούς
Υλικό μαθήματος
Οδηγίες για τους εκπαιδευτικούς
Μπορείτε να βασίσετε αυτή την τάξη γύρω από τις διαφάνειες. Το υλικό προτείνεται αλλά μπορεί να προσαρμοστεί.
Σχεδιάγραμμα
| Διάρκεια (ελάχιστη) | Περιγραφή | Έννοιες | Δραστηριότητα | Υλικό |
|---|---|---|---|---|
| 5 | Εισαγωγή στην Επεξεργασία Φυσικής Γλώσσας, Στόχοι, Μέθοδοι και Προκλήσεις | γλωσσολογία υπολογιστών, επεξεργασία φυσικής γλώσσας | ||
| 5 | Επεξεργασία κειμένου φυσικής γλώσσας: Περιπτώσεις χρήσης | σώμα, κατάτμηση, tokenization, αντιστοιχία | ||
| 10 | Τακτικές εκφράσεις, κανονικοποίηση κειμένου | γλωσσική μοντελοποίηση, επεξεργασία απόστασης | ||
| 15 | N-gram Μοντέλα | Ακολουθίες λέξεων ως διαδικασία Markov | ||
| 5 | Κανόνας Αλυσίδας της Πιθανότητας | Γενικός κανόνας προϊόντος | ||
| 10 | Markov και μέγιστη εκτίμηση πιθανοτήτων | Markov αλυσίδα — στοχαστικό μοντέλο | ||
| 5 | Γλωσσικά μοντέλα αξιολόγησης | Αμηχανία | ||
| 5 | Αφελής ταξινόμηση Bayes | Πιθανολογικοί ταξινομητές | Προετοιμασία της εργαστηριακής άσκησης |
Αναγνωρίσεις
Το πρόγραμμα Μάστερ τεχνητής νοημοσύνης με επίκεντρο τον άνθρωπο συγχρηματοδοτήθηκε από τον μηχανισμό «Συνδέοντας την Ευρώπη» της Ευρωπαϊκής Ένωσης στο πλαίσιο της επιχορήγησης CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.