International Area Studies - Global Change Geography (MA120 LP) (Master) > Geographie/Erdkunde IntArStudGlobChaGeoMA120, Akkreditierungsfassung gültig ab SS 2021 > Informatics
Modulverantwortliche/r
Weitere verantwortliche Personen
Prof. Dr. Matthias Hagen
Teilnahmevoraussetzungen
Kompetenzziele
Studierende sollen durch dieses Modul folgende Kompetenzen erwerben:
Sie kennen die verschiedenen Bereiche der Linguistik wie etwa Syntax, Semantik und Pragmatik und können Problemstellungen des Natural Language Processing in diese Bereiche einordnen.
Sie kennen die grundlegenden Algorithmen und Verfahren des Maschinellen Lernens und können diese im Kontext des Natural Language Processings zum Einsatz bringen.
Sie können Konzepte und Methoden des Natural Language Processing definieren und diese darüber hinaus anwenden, um für gegebene Natural-Language-Processing-Problemstellungen geeignete Lösungsverfahren zu entwickeln.
Sie sind in der Lage, die Qualität eines Ansatzes zur Lösung eines Natural-Language-Processing-Problems zu evaluieren und so wohlinformierte Entscheidungen über den Einsatz verschiedener Methoden des Natural Language Processings zu treffen.
Sie können praktische Gesichtspunkte für die Verbesserung von Systemen zum Natural Language Processing analysieren und so einschätzen, welche Lösungsmöglichkeiten am erfolgversprechendsten in konkreten Szenarien sind.
Sie sind in der Lage, selbstständig aktuelle Ansätze aus der Forschung zum Natural Language Processing zu reproduzieren und darauf aufbauend eigene Verfahren für vorgegebene Problemstellungen zu entwickeln.
Modulinhalte
In der Vorlesung werden Methoden des Natural Language Processing (NLP) zur Verarbeitung großer Mengen unstrukturierter Textdaten im / aus dem Web und zur Analyse von Online-Inhalten als wertvolle Ressourcen vermittelt.
Lehrveranstaltungsformen
Vorlesung (2 SWS)
Übung (2 SWS)
Kursus
Unterrichtsprachen
Deutsch, Englisch
Dauer in Semestern
1 Semester Semester
Angebotsrhythmus Modul
jedes Sommersemester
Aufnahmekapazität Modul
unbegrenzt
Prüfungsebene
Credit-Points
5 CP
Modulabschlussnote
LV1: %; LV2: %; LV3: %.
Faktor der Modulnote für die Endnote des Studiengangs
1
Modulveranstaltung
Lehrveranstaltungsform
Veranstaltungstitel
SWS
Workload Präsenz
Workload Vor- / Nachbereitung
Workload selbstgestaltete Arbeit
Workload Prüfung incl. Vorbereitung
Workload Summe
LV 1
Vorlesung
Vorlesung
2
0
LV 2
Übung
Übung
2
0
LV 3
Kursus
Selbststudium
0
Workload modulbezogen
150
150
Workload Modul insgesamt
150
Prüfung
Prüfungsvorleistung
Prüfungsform
LV 1
LV 2
LV 3
Gesamtmodul
Erfolgreiches Lösen und Vorstellen von Übungs- und Programmieraufgaben