Språkteknologi, 6 hp
Natural Language Processing, 6 credits
TDDE09
Huvudområde
Informationsteknologi Datateknik DatavetenskapUtbildningsnivå
Avancerad nivåKurstyp
ProgramkursExaminator
Marco KuhlmannStudierektor eller motsvarande
Jalal MalekiUndervisningstid
Preliminär schemalagd tid: 48 hRekommenderad självstudietid: 112 h
Tillgänglig för utbytesstudenter
JaKursen 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, DatavetenskapUtbildningsnivå
Avancerad nivåFördjupningsnivå
A1XKursen 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:
- förklara och teoretiskt analysera aktuella språkteknologiska algoritmer
- implementera språkteknologiska algoritmer och tillämpa dem på praktiska problem
- utforma och genomföra utvärderingar av språkteknologiska komponenter och system
- 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
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.
Betygsskala
Fyrgradig skala, LiU, U, 3, 4, 5Övrig 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 datavetenskapStudierektor eller motsvarande
Jalal MalekiExaminator
Marco KuhlmannKurshemsida och andra länkar
http://www.ida.liu.se/~TDDE09/Undervisningstid
Preliminär schemalagd tid: 48 hRekommenderad 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.
Ladda ner
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.