Angewandte Künstliche Intelligenz (AKI)

Bundesweit einer der ersten Bachelor-Studiengänge auf dem Zukunftsgebiet der Künstlichen Intelligenz
Bewerben Studienberatung
EMI Department

Modulhandbuch

←  Zurück 

Natural Language Processing

Empfohlene Vorkenntnisse

Machine Learning 1+2
Lehrform Vorlesung/Labor
Lernziele / Kompetenzen

Die Studierenden erlernen Methoden und Techniken zur maschinellen Verarbeitung von natürlicher Sprache. Hiermit werden Sie in die Lage versetzt auch große und unstrukturierte Textmengen so zu verarbeiten, dass diese analysiert, strukturiert und formal repräsentiert werden können. Nach Abschluss der Veranstaltung sind die Studierenden in der Lage, die kennengelernten Methoden und Techniken auf beliebige andere Daten und Anwendungsfälle zu übertragen (z.B. zur Analyse von Volltexten von Büchern, Artikeln, Internetforen oder anderen digital vorliegenden Quellen).
Dauer 1
SWS 4.0
Aufwand
Lehrveranstaltung 60
Selbststudium / Gruppenarbeit: 120
Workload 180
ECTS 6.0
Voraussetzungen für die Vergabe von LP

Modulprüfung für "Natural Language Processing" (K60)
"Praktikum Natural Language Processing" muss "m.E." attestiert sein
Modulverantwortlicher

Prof. Dr. Daniela Oelke
Max. Teilnehmer 41
Empf. Semester 4
Haeufigkeit jedes Jahr (SS)
Verwendbarkeit

Bachelor-Studiengang AKI
Veranstaltungen

Natural Language Processing

Art Vorlesung
Nr. EMI925
SWS 2.0
Lerninhalt

Die LV umfasst folgende Lerninhalte:

  • Sprache und Bedeutung, Morphologie, Syntax vs. Semantik
  • Textvorverarbeitung, Tokenisierung, N-Grams
  • Computerlinguistische Verfahren (Part-of-Speech-Tagging, Parsing)
  • Informationsextraktion
  • Vektorrepräsentationen für Text (binär, merkmalsbasiert, TF, TF-IDF, kontextabhängige und -unabhängige Embeddings)
  • Information Retrieval
  • Textklassifikation
  • Sprachmodelle (LLMs)
  • LLM-basierte KI-Agenten
  • Dialogagenten
  • Meinungsanalyse
Literatur

Jurafsky, Daniel; Martin, James H. (2025): Speech and Language Processing. An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition. (Online Version)

Alammar, Jay; Grootendorst, Maarten (2024): Hands-on large language models: language understanding and generation. O'Reilly Media, Inc.

Pfister, Beat; Kaufmann, Tobias (2017): Sprachverarbeitung. Grundlagen
und Methoden der Sprachsynthese und Spracherkennung: Vieweg + Teubner Verlag.

 

 

Praktikum Natural Language Processing

Art Praktikum
Nr. EMI926
SWS 2.0
Lerninhalt

Die NLP-Konzepte und -Verfahren werden praktisch in Form von Laborpraktika angewendet und so die Kenntnis über die Funktionsweise und die Möglichkeiten vertieft. U.a. werden folgenden Themen praktisch behandelt:

  • Textvorverarbeitung
  • POS-Tagging
  • Dependency Parsing
  • Dokumentenklassifikation
  • Informationsextraktion
  • Sprachmodelle
  • KI-Agenten
←  Zurück