Natural Language Processing
| Natural Language Processing | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| Organisationseinheit Freie Universität Berlin/Erziehungswissenschaft und Psychologie/ Psychologie |
|||||||||||
Bereich
|
|||||||||||
| Zugangsvoraussetzungen Keine |
|||||||||||
| Qualifikationsziele Die Studentinnen und Studenten haben ein tieferes Verständnis für Sprachtheorie und fortgeschrittene Konzepte und Methoden im Bereich der Quantitativen Narrativen Analyse (QNA) von Texten. Sie sind befähigt, gängige QNA Verfahren wie ‚Latente Semantische Analyse‘ oder ‚Sentiment Analyse‘ konzeptuell zu formulieren, algorithmisch zu implementieren und in Kombination mit Methoden des maschinellen Lernens (z. B. Support Vector Machines, Neuronale Netze, Extreme Random Trees) in einem prädiktiven Modellierungsansatz auf empirische Daten (z. B. ratings, FMRT) anzuwenden. |
|||||||||||
| Inhalte Sprachtheorie und ‚komputationale Linguistik‘, ‚Digital Humanities‘ und literarisches Lesen, konzeptuelle und mathematisch-algorithmische Grundlagen der QNA, Prädiktives Modellieren als Alternative zum herkömmlichen Ansatz des Generalisierten Linearen Modells/Standard Inferenzstatistik, nonlineare dynamische Systemtheorie und maschinelles Lernen, Neuronale Netze, Latente Semantische Analyse, Sentiment Analyse, Support Vector Machines, Extreme Random Trees. |
|||||||||||
| Lehr- und Lernformen | Aktive Teilnahme | ||||||||||
| Vorlesung 2 SWS Teilnahme empfohlen |
Nachbearbeitung der VL Inhalte und selbstständiges Erarbeiten von ergänzender Literatur Bearbeitung von Übungsaufgaben |
||||||||||
| Übung 2 SWS verpflichtete Teilnahme |
Nachbearbeitung der VL Inhalte und selbstständiges Erarbeiten von ergänzender Literatur Bearbeitung von Übungsaufgaben |
||||||||||
Aufwand
|
|||||||||||
| Modulprüfung Klausur (90 Minuten), die ggf. ganz oder teilweise in der Form des Antwort-Wahl-Verfahrens und auch in Form einer elektronischen Prüfungsleistung durchgeführt werden kann. |
|||||||||||
| Differenzierte Bewertung differenzierte Bewertung |
|||||||||||
| Modulsprache Englisch |
|||||||||||
| Arbeitsaufwand (Stunden) 300 |
|||||||||||
| Leistungspunkte (LP) 10 |
|||||||||||
| Dauer des Moduls Ein Semester |
|||||||||||
| Häufigkeit des Angebots Jedes Sommersemester |
|||||||||||
| Verwendbarkeit Masterstudiengang Data Science |
|||||||||||