Mündliche Prüfung (im Falle einer großen Teilnehmerzahl schriftliche Prüfung); Übungspunkte können als Bonus in die Benotung einfließen.

Natürliche Sprachverarbeitung (Natural Language Processing; NLP) ist ein Teilgebiet der künstlichen Intelligenz, das auf das Verständnis und die automatische Generierung von Texten für verschiedene Anwendungen abzielt, wie z. B. die Klassifikation von Dokumenten, die Analyse von Stimmungen, die Zusammenfassung von Texten, die Spracherkennung, usw. In dieser Vorlesung werden NLP-Themen behandelt wie n-gram Modelle, Word Embeddings, Bag-of-Words Darstellungen für die Dokumentenklassifizierung, Klassifikatoren, Tokenisierung, Part-of-Speech Tagging, Matrixfaktorisierung und Themenmodellierung, Deep Learning für die Sprachverarbeitung, Transformer Modelle, Sprachmodelle und Texterzeugung und schließlich Anwendungen wie Dokumentenzusammenfassung, maschinelle Übersetzung oder Fragenbeantwortung.

Die Studierenden kennen das Spektrum von Themen in NLP, von grundlegenden bis hin zu fortgeschrittenen Themen. Sie sind in der Lage, Datensätze aus Textdokumenten zu analysieren und darunterliegende Muster zu identifizieren sowie Klassifikationsmodelle, Textgenererierungsmodelle und moderne NLP Anwendungen zu erzeugen. Durch praktische Übungen sind die Studierenden in der Lage, praktische Probleme bei der Anwendung von NLP eigenständig zu lösen.

Verwendete Programmiersprache: Python