Advanced Natural Language Processing (ANLP)

Wenn Computer Sprache verstehen: Du arbeitest mit moderner KI, entwickelst Anwendungen wie Chatbots oder Übersetzer und verstehst, wie Maschinen Texte analysieren und generieren.

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 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.

Literatur

• Speech and Language Processing (3rd ed. draft) by Jurafsky and Martin, https://web.stanford.edu/~jurafsky/slp3/
• Natural Language Processing by Eisenstein et al., https://cseweb.ucsd.edu/~nnakashole/teaching/eisenstein-nov18.pdf
• Natural Language Processing: A Machine Learning Perspective, Zhang et al.

Dozentinnen / Dozenten

• Prof. Dr. Kai Eckert

Empfohlene Vorkenntnisse 

• 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, ...)

Daten zum Modul

Semesterwochenstunden (SWS) 

Arbeitsaufwand (Workload)