Verwaltungsinformationen
Titel | Verarbeitung natürlicher Sprache |
Dauer | 60-70 Minuten |
Modulen | A |
Unterrichtstyp | Praktisch |
Fokussierung | Praktisch – KI-Modellierung |
Themenbereich | Textklassifikation, Sentiment-Klassifikation |
Suchbegriffe
Natürliche Sprachverarbeitung,Naive Bayes Klassifikator,
Lernziele
- Der Student wird die Grundlagen der Kern-NLP-Techniken verstehen
- Schüler wird mit der Verwendung eines Naive Bayes Klassifikators vertraut
Erwartete Vorbereitung
Lernveranstaltungen, die vorab abgeschlossen werden müssen
Keine.
Obligatorisch für Studenten
- Grundlegende Python-Programmierung
- Grundlegende Statistiken
Optional für Studenten
Referenzen und Hintergründe für Studierende
- Toolkit für natürliche Sprache
- Christopher D. Manning, Prabhakar Raghavan und Hinrich Schütze, Einführung in die Informationsgewinnung, Cambridge University Press. 2008
- Jurafskly D., Martin J. H. – Eine Einführung in NLP, Computational Linguistics, and Speech Recognition
Empfohlen für Lehrer
- Toolkit für natürliche Sprache
- Christopher D. Manning, Prabhakar Raghavan und Hinrich Schütze, Einführung in die Informationsgewinnung, Cambridge University Press. 2008
- Jurafskly D., Martin J. H. – Eine Einführung in NLP, Computational Linguistics, and Speech Recognition
Unterrichtsmaterialien
Anleitung für Lehrer
Diese Lernveranstaltung besteht aus Laboraufgaben, die von den Studierenden mit Hilfe des leitenden Ausbilders gelöst werden sollen.
Gliederung
Dauer (Min.) | Beschreibung | Konzepte | Aktivität | Werkstoffe |
---|---|---|---|---|
5 | Wort-Tokenisierung | |||
5-10 | Pandas DataFrames | |||
10 | Tüte der Worte | |||
10 | Tokenisierung mit regulärem Ausdruck | |||
10 | N-Gramm-Modelle | |||
5 | Stoppworte | |||
10-15 | Normalisierung, Stemming und Lemmatisierung | |||
5-10 | Stimmungsanalyse |
Danksagung
Das Human-Centered AI Masters-Programm wurde von der Fazilität „Connecting Europe“ der Europäischen Union im Rahmen des Zuschusses „CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068“ kofinanziert.