[diese Seite im Wiki][Index][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Praktisch: Verarbeitung natürlicher Sprache

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

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

Zeitplan
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.