cla-lmu.github.io

Computerlinguistische Anwendungen

Anwendung maschineller Lernverfahren in Python

Sommersemester 2020

Centrum für Informations- und Sprachverarbeitung, LMU München

Die Veranstaltung wird online durchgeführt.

Bitte richten Sie sich die folgenden Voraussetzungen für die Kursteilnahme ein:

• Die Prüfung wird online durchgeführt (Details zur Durchführung)
  • Studierende, deren Fach über LSF verwaltet wird, müssen sich über LSF zur Prüfung anmelden.
  • alle Teilnehmer/innen müssen (zusätzlich) bis zum bis zum 9.7.2020 das Zusatz-Formular zur Prüfungsanmeldung in Moodle ausfüllen.
• Für die Volesungsmaterialien und Moodle-Übungen schreiben Sie sich bitte im Moodle-Kurs ein:
  • Moodle-Kurs
  • Verwenden Sie den Einschreibeschlüssel cla2020
• Für die Teilnahme an den Livestreams zur Übung Freitags verwenden wir Zoom
• Für die Teilnahme an den Livestreams zur Sprechstunde Donnerstags verwenden wir auch Zoom
  • Es ist auch notwendig ein Webformular auszufüllen. Bitte reichen Sie spätestens die Fragen zwei Stunden vor der Sprechstunde ein: Webformular
• Für die Bearbeitung und Abgabe der Programmier-Übungen benötigen Sie einen GitLab Account des IFI:
  • Mehr Informationen
  • Übungen werden in Teams aus 2 oder 3 Teilnehmern gebildet. Sie können ein Team hier anmelden: Webformular

Frequently asked questions: FAQ

Sie erreichen den Dozenten und die Tutoren unter:

cla2020 [at] cis [dot] uni [minus] muenchen [dot] de

• Zeit/Vorlesung: Mi 14:00 (Bereitstellung der Vorlesungsaufzeichnungen über Moodle), Start: 22. April 2020
• Zeit/Übung: Fr 12:00-14:00 (s.t., Livestream mit Zoom, Link wird über Moodle bereitgestellt)
• Zeit/Sprechstunde: Do 10:00-12:00 (c.t.) Start: 30. April 2020 Webformular
• Dozent: Benjamin Roth
• Tutoren: Leonhard Wabro, Yindong Wang

Anmeldung zur Vorlesung:

• Studierende mit Computerlinguistik als Hauptfach, und nicht-Informatiker, melden sich bitte über das LSF zur Vorlesung an.
• Für Studierende mit Informatik als Hauptfach reicht es, das Webformular zur Übungsgruppe auszufüllen (s.o.).

Datum	Themen	Materialien
22.4.	Vorlesung: Machine Learning; Perzeptron	Materialien; 1. Moodle-Übung (s. Moodle)
24.4.	Übung: Vorstellung 1. Programmierübung; Git; Unit-Tests	Zoom-Link (s. Moodle); enron.tgz
29.4.	Vorlesung: Paraphrasen-Erkennung; Numpy; Scikit-Learn	Materialien; 2. Moodle-Übung (s. Moodle)
1.5.	Feiertag / keine Übung
6.5.	Besprechung der Moodle-Übungen 1 und 2	Zoom-Link (s. Moodle)
8.5.	Übung: Besprechung 1. Programmierübung	Zoom-Link (s. Moodle); paraphrases.tgz
13.5.	Vorlesung: MaxEnt Klassifikator; SVM	Materialien; 3. Moodle-Übung (s. Moodle)
15.5.	Übung: Besprechung 2. Programmierübung	Zoom-Link (s. Moodle)
20.5.	Vorlesung: Wortvektoren	Materialien; 4. Moodle-Übung (s. Moodle)
22.5.	Keine Übung	Bei Fragen nutzen Sie auch die Sprechstunde am Mittwoch
27.5.	Besprechung der Moodle-Übungen 3 und 4	14:00 s.t., Zoom-Link (s. Moodle) Achtung: Abgabe Programmierübung 04: 03.06.2020 14:00 Uhr
29.5.	Übung: Besprechung 3. Programmierübung	Zoom-Link (s. Moodle)
3.6.	Vorlesung: Word2vec Skipgram	Materialien; 5. Moodle-Übung (s. Moodle) cooc_func.nopy
5.6.	Übung: Besprechung 4. Programmierübung	Zoom-Link (s. Moodle)
10.6.	Vorlesung: Anwendung von Wortvektoren	Materialien; 6. Moodle-Übung (s. Moodle)
12.6.	Übung: Besprechung 5. Programmierübung	Zoom-Link (s. Moodle)
17.6.	Besprechung der Moodle-Übungen 5 und 6	14:00 s.t., Zoom-Link (s. Moodle)
19.6.	Übung: Besprechung 6. Programmierübung	Zoom-Link (s. Moodle)
24.6.	Vorlesung: Keras	Materialien; 7. Moodle-Übung (s. Moodle)
26.6.	Keine Übungsstunde!	Nutzen Sie bei Fragen auch die Sprechstunde der Tutoren am 24.6. entities_types.tgz
1.7.	Vorlesung: CNNs	Materialien; 8. Moodle-Übung (s. Moodle)
3.7.	Übung: Besprechung 7. Programmierübung	Zoom-Link (s. Moodle)
8.7.	Besprechung der Moodle-Übungen 7 und 8	Zoom-Link (s. Moodle)
10.7.	Übung: Besprechung 8. Programmierübung	Zoom-Link (s. Moodle)
15.7.	Allgemeine Fragestunde, letzte Sitzung vor den Prüfungen	Zoom-Link (s. Moodle)
17.7.	Keine Übung
20.7. - 24.7.	Mündliche Kurzprüfungen
2.8.	Abgabe-Deadline Kurzzusammenfassung