Kursplan för Maskininlärning i språkteknologi

Machine Learning in Language Technology

Det finns en senare version av kursplanen.

  • 7,5 högskolepoäng
  • Kurskod: 5LN454
  • Utbildningsnivå: Grundnivå
  • Huvudområde(n) och successiv fördjupning: Språkteknologi G1F

    Förklaring av koder

    Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:

    Grundnivå

    • G1N: har endast gymnasiala förkunskapskrav
    • G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
    • G1E: innehåller särskilt utformat examensarbete för högskoleexamen
    • G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
    • G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
    • GXX: kursens fördjupning kan inte klassificeras

    Avancerad nivå

    • A1N: har endast kurs/er på grundnivå som förkunskapskrav
    • A1F: har kurs/er på avancerad nivå som förkunskapskrav
    • A1E: innehåller examensarbete för magisterexamen
    • A2E: innehåller examensarbete för masterexamen
    • AXX: kursens fördjupning kan inte klassificeras

  • Betygsskala: Underkänd (U), godkänd (G), väl godkänd (VG)
  • Inrättad: 2012-03-16
  • Inrättad av: Institutionsstyrelsen
  • Reviderad: 2014-08-18
  • Reviderad av: Institutionsstyrelsen
  • Gäller från: HT 2014
  • Behörighet: Matematik för språkteknologer eller motsvarande
  • Ansvarig institution: Institutionen för lingvistik och filologi

Beslut och riktlinjer

Kursen ges inom termin 3 på språkteknologiprogrammet och som fristående kurs.

Mål

Efter avslutad kurs skall studenten för att förtjäna betyget Godkänd minst kunna:

  1. tillämpa grundläggande maskininlärningsprinciper på språkliga data;
  2. tillämpa metoder för att utvärdera maskininlärningsbaserade systems prestanda inom språkteknologin;
  3. tillämpa sannolikhetsteori och principer för statistisk inferens på språkliga data;
  4. använda standardmjukvaror för maskininlärning;
  5. tillämpa linjära modeller för klassifikation;
  6. tillämpa klustringstekniker på språkliga data.

Innehåll

Se målen.

Undervisning

Undervisningen sker i form av lektioner och laborationer under handledning.

Examination

Kunskapskontroll sker genom laborationsuppgifter som redovisas i klassrummet, samt tre större inlämningsuppgifter.

Versioner av kursplanen

Litteratur

Uppgift om kurslitteratur saknas. Ta kontakt med ansvarig institution för mer information.