Modulets indhold, forløb og pædagogik

Kursets mål er at introducere de studerende til sprogteknologi (”NLP”). Kurset bygger ovenpå foregående AI-kurser, især Deep learning. Kurset indeholder en introduktion til centrale fokusområder i sprogteknologi (f.eks. sprogmodellering, oversættelse, tagging, og parsing), og metoder for at arbejde med disse baseret på deep learning (f.eks. RNNs, transformers, word embeddings, representation learning). Kurset indeholder også en introduktion til de mest grundlæggende emner fra lingvistisk teori, med fokus på preprocessing af tekst.

Læringsmål

Viden

Studerende som gennemfører modulet vil opnå:

• Kendskab til de mest centrale områder indenfor sprogteknologi, fx sprogmodellering, automatisk oversættelse, tagging , og syntaktisk parsing
• Kendskab til de mest centrale metoder, såsom klassificering, structured prediction, representation learning e.g. word embeddings
• Kendskab til underliggende lingvistisk teori i forhold til preprocessing af tekst f.eks. lemmatisering, stemming, ordklasser og syntaks

Færdigheder

Studerende som gennemfører modulet vil være i stand til at:

• Genkende problemer indenfor sprogteknologi, og vælge en passende tilgang til nye problemer
• Evaluere output fra modeller indenfor sprogteknologi, både kvantitativt og kvalitativt
• Skelne mellem og evaluere fordele og ulemper med forskellige tilgange til et problem

Kompetencer

Studerende som gennemfører modulet vil være i stand til at:

• Implementere en sprogteknologisk pipeline, inklusive pre-processing af ikke-standardiseret tekst f.eks. fra sociale medier, modellering, og evaluering af resultater

Undervisningsform

Se oversigt over undervisningsformer under §17.

Eksamen

Forudsætning for indstilling til prøven

• For at kvalificere sig til eksamen, skal den studerende have afleveret obligatoriske opgaver rettidigt.

Prøver