{"id":182,"date":"2018-07-26T07:57:06","date_gmt":"2018-07-26T05:57:06","guid":{"rendered":"https:\/\/user.phil.hhu.de\/bladier\/?page_id=182"},"modified":"2019-01-29T09:57:52","modified_gmt":"2019-01-29T08:57:52","slug":"deep_learning_nlp","status":"publish","type":"page","link":"https:\/\/user.phil.hhu.de\/bladier\/deep_learning_nlp\/","title":{"rendered":"Deep Learning for NLP \u2014 Kurswebseite"},"content":{"rendered":"
\n
\n\t

<\/p>\n

<\/p>\n

Deep Learning for NLP \u2014 Kurswebseite
\n<\/span>Christian Wurm<\/a> & Tatiana Bladier<\/a><\/em><\/h5>\n
\n
\n
\n

Aufbauseminar, Universit\u00e4t D\u00fcsseldorf, WiSe 2018<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div><\/div><\/div><\/div>

Organisatorisches <\/h3>\n\nMontag 14:30 \u2013 16:00, Raum 24.21.05.61\n
\nDienstag 10:30 \u2013 12:00, Raum 24.21.03.62-64 \n
\n
\n***NEU!*** Tutorium zum Kurs: <\/b> \n
\nMontag 10:30 \u2013 12:00, Raum 24.21.03.62-64 (Tutor: Alexander Teusz)\n\n
\n
\n\nEmails:<\/b> cwurm[at]phil.hhu.de, bladier[at]phil.hhu.de, Alexander[dot]Teusz[at]uni-duesseldorf.de\n
\nSprechstunde:<\/b> nach Vereinbarung\n
\n
\nZiel dieses Kurses ist es, die state-of-the-art Techniken neuronaler Netze einerseits zu verstehen, andererseits praktisch zu implementieren. Kursinhalte (zu Theorie und Praxis) werden unten angegeben. Training und Implementierung neuronaler Netze wird mit Python und Keras (einer Python-Bibliothek) umgesetzt werden. Montags werden \u2013 tendenziell \u2013 eher theoretische Grundlagen besprochen, Dienstags wird \u2013 tendenziell \u2013 programmiert.\n\n

Theoretische Inhalte (Skript<\/a>) <\/h3>\n\nDie theoretischen Inhalte finden sich in diesem Skript<\/a> (Vorsicht, \u00e4ndert sich \u00f6fters mal! Letzte Aktualisierung: 10. Dezember 2018).\n\n

Beteiligungsnachweise und AP-Scheine<\/h3>\n\nEin Beteiligungsnachweis (BN) kann durch die Bearbeitung der Hausaufgaben erworben werden. F\u00fcr einen AP-Schein muss eine Hausarbeit geschrieben werden (4-5 Seiten f\u00fcr Bachelor-Studierende, 7-10 Seiten f\u00fcr Master-Studierende).\n\n
\n
\n\n[LaTex-Vorlage f\u00fcr die Pr\u00e4sentationen (zip-Datei)<\/u><\/b><\/a>] \n
\n
\n[LaTex-Datei f\u00fcr die Backpropagation-Hausaufgabe<\/u><\/b><\/a>] \n
\n
\nOnline LaTex-Vorlagen: Overleaf-Templates<\/a>\n\n

Abschlussprojekte: Vorlagen f\u00fcr Projektberichte<\/h3>\n
\nEin Abschlussprojekt umfasst die Durchf\u00fchrung eines Experiments mit Neuronalen Netzen zu NLP-Fragen und das Verfassen eines kurzen Projektberichts (4-5 Seiten f\u00fcr Bachelor-Studierende, 7-10 Seiten f\u00fcr Master-Studierende). Der Projektbericht soll nach dem klassischen IMRAD-Schema<\/a> mit Benutzung der unten angegebenen Vorlagen (LaTex oder Word) geschrieben werden. Der Code und die Daten k\u00f6nnen entweder als .zip-Datei abgegeben werden oder als Link zu einer (privaten oder \u00f6ffentlichen) GitHub-Repository. Mein Profil auf GitHub: https:\/\/github.com\/TaniaBladier<\/a>.\n
\n
\n[LaTex-Vorlage f\u00fcr die Projektberichte (zip-Datei)<\/u><\/b><\/a>] \n\n
\n[Word-Vorlage f\u00fcr die Projektberichte (zip-Datei)<\/u><\/b><\/a>] \n
\n
\nOnline LaTex Editor: Overleaf<\/u><\/b><\/a>\n
\n
\nDraw.io: Tool for drawing Neural Network Models<\/u><\/b><\/a>\n
\n
\nPatrick Nuhn (2017) LaTex Tutorial: Getting Started.<\/u><\/b><\/a>\n
\n
\nBeispiel eines Projektberichts (Artikel von Attia et al. (2018) zu Neural Sentiment Analysis mit Tweets)<\/b><\/a>\n\n\n

Hilfreiche Links und Tutorials <\/h3>\n\n