Empfohlene Vorkenntnisse
Wenn einzelne Grundlagen fehlen, muss das kein Problem sein, aber es wird vorausgesetzt, dass die Lücken selbständig geschlossen werden.
- Grundlagen in NLP (z. B. Bachelor-Kurs Natural Language Processing - Reguläre Ausdrücke, N-Grams, Probabilistic Language Modeling, Vector Space Model)
- Grundlagen in Machine Learning (grundsätzliche Methodik, Neuronale Netze, Arbeit mit Trainings- und Testdaten, Evaluation, …)
- Programmieren in Python (Jupyter Lab, Frameworks wie Pandas, NumPy, PyTorch, …)
Inhalte
- Deep Learning für Natural Language Processing
- Word Embeddings
- Sequence Labeling
- Large Language Models
- Transfer Learning
- Machine Translation / Summarization
- Dialogsysteme
- Ethik zum Einsatz von NLP-basierten Systemen
Lernziele/Kompetenzen
Die Studierenden sind in der Lage,
- die Grundlagen von Deep Learning für Natural Language Processing anzuwenden,
- aktuelle wissenschaftliche Veröffentlichungen aus dem Bereich NLP zu lesen,
- die Hintergründe der Large Language Models zu verstehen.