Språkteknologi, 6 hp

Natural Language Processing, 6 credits

TDDE09

Huvudområde

Informationsteknologi Datateknik Datavetenskap

Utbildningsnivå

Avancerad nivå

Kurstyp

Programkurs

Examinator

Marco Kuhlmann

Studierektor eller motsvarande

Jalal Maleki

Undervisningstid

Preliminär schemalagd tid: 48 h
Rekommenderad självstudietid: 112 h

Tillgänglig för utbytesstudenter

Ja
VOF = Valbar / Obligatorisk / Frivillig
Kursen ges för Termin Period Block Språk Ort/Campus VOF
6CDDD Civilingenjör i datateknik 8 (VT 2018) 1 2 Engelska Linköping, Valla V
6CDDD Civilingenjör i datateknik (AI och maskininlärning) 8 (VT 2018) 1 2 Engelska Linköping, Valla V
6CDDD Civilingenjör i datateknik (Programmering och algoritmer) 8 (VT 2018) 1 2 Engelska Linköping, Valla V
6CITE Civilingenjör i informationsteknologi 8 (VT 2018) 1 2 Engelska Linköping, Valla V
6CITE Civilingenjör i informationsteknologi (AI och maskininlärning) 8 (VT 2018) 1 2 Engelska Linköping, Valla V
6CITE Civilingenjör i informationsteknologi (Programmering och algoritmer) 8 (VT 2018) 1 2 Engelska Linköping, Valla V
6CMJU Civilingenjör i mjukvaruteknik 8 (VT 2018) 1 2 Engelska Linköping, Valla V
6CMJU Civilingenjör i mjukvaruteknik (AI och maskininlärning) 8 (VT 2018) 1 2 Engelska Linköping, Valla V
6CMJU Civilingenjör i mjukvaruteknik (Programmering och algoritmer) 8 (VT 2018) 1 2 Engelska Linköping, Valla V
6MICS Computer Science, masterprogram 2 (VT 2018) 1 2 Engelska Linköping, Valla V
6MICS Computer Science, masterprogram (Artificiell intelligens och data mining) 2 (VT 2018) 1 2 Engelska Linköping, Valla V
6MDAV Datavetenskap, masterprogram 2 (VT 2018) 1 2 Engelska Linköping, Valla V

Huvudområde

Informationsteknologi, Datateknik, Datavetenskap

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1X

Kursen ges för

  • Datavetenskap, masterprogram
  • Civilingenjör i datateknik
  • Civilingenjör i informationsteknologi
  • Civilingenjör i mjukvaruteknik
  • Computer Science, masterprogram

Förkunskapskrav

OBS! Tillträdeskrav för icke programstudenter omfattar vanligen också tillträdeskrav för programmet och ev. tröskelkrav för progression inom programmet, eller motsvarande.

Rekommenderade förkunskaper

  • diskret matematik
  • goda kunskaper inom programmering, datastrukturer och algoritmer
  • grundkunskaper inom sannolikhetslära och optimeringslära

Förkunskaper inom maskininlärning är rekommenderade men inget krav för kursen.

Lärandemål

Språkteknologi, teknologi för att analysera och tolka mänskligt språk, finns idag i smarta sökmotorer, avancerade användargränssnitt och många andra innovativa applikationer. Denna kurs har som mål att ge kunskap om och erfarenhet av de avancerade algoritmer som driver modern språkteknologi. Kursens fokus ligger på algoritmer som involverar automatisk inlärning från text.

Efter genomgången kurs ska studenten kunna:

  1. förklara och teoretiskt analysera aktuella språkteknologiska algoritmer
  2. implementera språkteknologiska algoritmer och tillämpa dem på praktiska problem
  3. utforma och genomföra utvärderingar av språkteknologiska komponenter och system
  4. söka, värdera och använda vetenskaplig information inom språkteknologiområdet

Kursinnehåll

  • aktuella språkteknologiska algoritmer för analys och tolkning av ord, meningar och texter
  • relevanta maskininlärningsmetoder baserade på statistisk modellering, kombinatorisk optimering och artificiella neuronnät
  • tillämpningar av språkteknologi
  • valideringsmetoder
  • språkteknologiska verktyg, programbibliotek och data
  • språkteknologi som forsknings- och utvecklingsområde

Undervisnings- och arbetsformer

Kursen ges i form av föreläsningar, laborationer och handledning i samband med ett mindre projektarbete. 

Examination

KTR1Frivilliga duggor0 hpU, G
UPG1Projektuppgifter2 hpU, 3, 4, 5
LAB1Laborationer2 hpU, 3, 4, 5
TEN1Skriftlig tentamen2 hpU, 3, 4, 5

De frivilliga duggorna ger bonuspoäng till kursomgångens första tentamenstillfälle. Kursens slutbetyg är medianen av betygen på LAB1, TEN1 och UPG1. 

Betygsskala

Fyrgradig skala, LiU, U, 3, 4, 5

Övrig information

Påbyggnadskurser

Text Mining

Om undervisningsspråk

Undervisningsspråk visas på respektive kurstillfälle på fliken "Översikt".

  • Observera att även om undervisningsspråk är svenska kan delar av kursen ges på engelska.
  • Om undervisningsspråk är Svenska/Engelska kan kursen i sin helhet ges på engelska vid behov.
  • Om undervisningsspråk är Engelska ges kursen i sin helhet på engelska. 

Övrigt

Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.

Planering och genomförande av kurs skall utgå från kursplanens formuleringar. Den kursvärdering som ingår i kursen skall därför genomföras med kursplanen som utgångspunkt. 

Institution

Institutionen för datavetenskap

Studierektor eller motsvarande

Jalal Maleki

Examinator

Marco Kuhlmann

Kurshemsida och andra länkar

http://www.ida.liu.se/~TDDE09/

Undervisningstid

Preliminär schemalagd tid: 48 h
Rekommenderad självstudietid: 112 h

Kurslitteratur

Kompendier


  • Kurskompendium som tillhandahålls av institutionen. 
Kod Benämning Omfattning Betygsskala
KTR1 Frivilliga duggor 0 hp U, G
UPG1 Projektuppgifter 2 hp U, 3, 4, 5
LAB1 Laborationer 2 hp U, 3, 4, 5
TEN1 Skriftlig tentamen 2 hp U, 3, 4, 5

De frivilliga duggorna ger bonuspoäng till kursomgångens första tentamenstillfälle. Kursens slutbetyg är medianen av betygen på LAB1, TEN1 och UPG1. 

Kompendier

Kurskompendium som tillhandahålls av institutionen. 

I = Introducera, U = Undervisa, A = Använda
I U A Moduler Kommentar
1. ÄMNESKUNSKAPER
1.1 Kunskaper i grundläggande (motsvarande G1X) matematiska och naturvetenskapliga ämnen
X
Diskret matematik. Sannolikhetslära. Optimeringslära
1.2 Kunskaper i grundläggande (motsvarande G1X) teknikvetenskapliga ämnen
X
X
LAB1
A: Programmering. U: Implementera språkteknologiska algoritmer (mål 2)
1.3 Fördjupade kunskaper (motsvarande G2X), metoder och verktyg inom något/några teknik- och naturvetenskapliga ämnen
X
TEN1
Aktuella språkteknologiska algoritmer (mål 1)
1.4 Väsentligt fördjupade kunskaper (motsvarande A1X), metoder och verktyg inom något/några teknik- och naturvetenskapliga ämnen

                            
1.5 Insikt i aktuellt forsknings- och utvecklingsarbete

                            
2. INDIVIDUELLA OCH YRKESMÄSSIGA FÄRDIGHETER OCH FÖRHÅLLNINGSSÄTT
2.1 Analytiskt tänkande och problemlösning
X
LAB1
UPG1
Tillämpa språkteknologiska algoritmer på praktiska problem (mål 2)
2.2 Experimenterande och undersökande arbetssätt samt kunskapsbildning
X
LAB1
UPG1
Utvärdera språkteknologiska komponenter och system (mål 3)
2.3 Systemtänkande

                            
2.4 Förhållningssätt, tänkande och lärande
X
UPG1
Söka, värdera och använda vetenskaplig information (mål 4)
2.5 Etik, likabehandling och ansvarstagande

                            
3. FÖRMÅGA ATT ARBETA I GRUPP OCH ATT KOMMUNICERA
3.1 Arbete i grupp
X
LAB1
UPG1
Datorlaborationer i par. Projektarbete i grupp
3.2 Kommunikation
X
UPG1
Muntlig och skriftlig redovisning av projektarbetet
3.3 Kommunikation på främmande språk
X
Kursen ges på engelska och har engelskspråkig litteratur
4. PLANERING, UTVECKLING, REALISERING OCH DRIFT AV TEKNISKA PRODUKTER OCH SYSTEM MED HÄNSYN TILL AFFÄRSMÄSSIGA OCH SAMHÄLLELIGA BEHOV OCH KRAV
4.1 Samhälleliga villkor, inklusive ekonomiskt, socialt och ekologiskt hållbar utveckling
X
Teknik som hanterar data: möjligheter och risker
4.2 Företags- och affärsmässiga villkor

                            
4.3 Att identifiera behov samt strukturera och planera utveckling av produkter och system

                            
4.4 Att konstruera produkter och system

                            
4.5 Att realisera produkter och system

                            
4.6 Att ta i drift och använda produkter och system

                            
5. PLANERING, GENOMFÖRANDE OCH PRESENTATION AV FORSKNINGS- ELLER UTVECKLINGSPROJEKT MED HÄNSYN TILL VETENSKAPLIGA OCH SAMHÄLLELIGA BEHOV OCH KRAV
5.1 Samhälleliga villkor, inklusive ekonomiskt, socialt och ekologiskt hållbar utveckling för kunskapsutveckling

                            
5.2 Ekonomiska villkor för kunskapsutveckling

                            
5.3 Att identifiera behov samt strukturera och planera forsknings- eller utvecklingsprojekt

                            
5.4 Att genomföra forsknings- eller utvecklingsprojekt

                            
5.5 Att redovisa och utvärdera forsknings- eller utvecklingsprojekt

                            

Denna flik innehåller det material som är publikt i Lisam. Den information som publiceras här är inte juridiskt bindande, sådant material hittar du under övriga flikar på denna sida.

Det finns inga filer att visa.