Undergraduate Elective 1036: Διαφορά μεταξύ των αναθεωρήσεων

Από Περιγράμματα - Τμήμα Μαθηματικών
Μετάβαση σε: πλοήγηση, αναζήτηση
ΟπτικήΚώδικας wiki
Ksimos (συζήτηση | συνεισφορές)
45 επεξεργασίες
Νέα σελίδα με '{{DISPLAYTITLE:<span style="position: absolute; clip: rect(1px 1px 1px 1px); clip: rect(1px, 1px, 1px, 1px);">{{FULLPAGENAME}}</span>}} <ul class="nav nav-pills mb-2 justify-content-end" id="pills-tab-lang" role="tablist"> <li class="nav-item"><btn id="pills-gr-tab" data-toggle="pill" class="nav-link active" role="tab" aria-controls="pills-gr" aria-selected="true">#pills-gr|Ελληνικά</btn></li> <li class="nav-item"><btn id="pills-en-tab" data-toggle="pill"...'
 
Ktzuvara (συζήτηση | συνεισφορές)
1.844 επεξεργασίες
 
(10 ενδιάμεσες εκδόσεις από 2 χρήστες δεν εμφανίζονται)
Γραμμή 9: Γραμμή 9:


<div id="pills-gr" class="tab-pane fade show active" role="tabpanel" aria-labelledby="pills-gr-tab" style="text-align:left;">
<div id="pills-gr" class="tab-pane fade show active" role="tabpanel" aria-labelledby="pills-gr-tab" style="text-align:left;">
<div align = center>
== '''Εισαγωγή στην Επεξεργασία Φυσικής Γλώσσας''' ==
</div>


=== Γενικά ===
=== Γενικά ===
Γραμμή 30: Γραμμή 35:
|-
|-
! Τίτλος Μαθήματος
! Τίτλος Μαθήματος
| ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΕΞΕΡΓΑΣΙΑ ΦΥΣΙΚΗΣ ΓΛΩΣΣΑΣ
| Εισαγωγή στην Επεξεργασία Φυσικής Γλώσσας
|-
|-
! Αυτοτελείς Διδακτικές Δραστηριότητες
! Αυτοτελείς Διδακτικές Δραστηριότητες
Γραμμή 39: Γραμμή 44:
|-
|-
! Προαπαιτούμενα Μαθήματα
! Προαπαιτούμενα Μαθήματα
|  
| 
|-
|-
! Γλώσσα Διδασκαλίας και Εξετάσεων
! Γλώσσα Διδασκαλίας και Εξετάσεων
| Ελληνική
| Ελληνική
|-
! Τρόπος Διεξαγωγής Μαθήματος
| Δια ζώσης (100%)
|-
|-
! Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus
! Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus
Γραμμή 58: Γραμμή 66:
| Σκοπός είναι η βαθύτερη κατανόηση της Επεξεργαίας Φυσικής Γλώσσας, αναλυτικότερα:
| Σκοπός είναι η βαθύτερη κατανόηση της Επεξεργαίας Φυσικής Γλώσσας, αναλυτικότερα:
* Ιστορική Αναδρομή της Εξέλιξης της Γλωσσικής Τεχνολογίας.
* Ιστορική Αναδρομή της Εξέλιξης της Γλωσσικής Τεχνολογίας.
* Στόχοι της Αυτόματης Επεξεργασίας Φυσικής Γλώσσας - Επισκόπηση Εφαρμογών.  
* Στόχοι της Αυτόματης Επεξεργασίας Φυσικής Γλώσσας - Επισκόπηση Εφαρμογών. 
* Επίπεδα γλωσσικής επεξεργασίας. Γλωσσικοί επεξεργαστές: μηχανές αναγνώρισης, μορφομετατροπείς, τεχνολόγοι, γεννήτορες.  
* Επίπεδα γλωσσικής επεξεργασίας. Γλωσσικοί επεξεργαστές: μηχανές αναγνώρισης, μορφομετατροπείς, τεχνολόγοι, γεννήτορες. 
* Γλώσσα ως σύστημα στηριζόμενο σε κανόνες. Κατανόηση γλώσσας ως δράση εξαγωγής συμπεράσματος.  
* Γλώσσα ως σύστημα στηριζόμενο σε κανόνες. Κατανόηση γλώσσας ως δράση εξαγωγής συμπεράσματος. 
* Πόροι για την Αυτόματη Επεξεργασία Φυσικής Γλώσσας: βάσεις δεδομένων και βάσεις γνώσεων. Δομές δεδομένων, αλγόριθμοι και έμπειρα συστήματα για τεχνολόγηση.  
* Πόροι για την Αυτόματη Επεξεργασία Φυσικής Γλώσσας: βάσεις δεδομένων και βάσεις γνώσεων. Δομές δεδομένων, αλγόριθμοι και έμπειρα συστήματα για τεχνολόγηση. 
* Βασικές στρατηγικές τεχνολόγησης για γραμματικές ανεξάρτητες συμφραζομένων.  
* Βασικές στρατηγικές τεχνολόγησης για γραμματικές ανεξάρτητες συμφραζομένων. 
* Στοιχεία Μεθόδων Υπολογιστικής Μορφολογίας, Υπολογιστικής Σημασιολογίας και Επεξεργασίας Φυσικής Γλώσσας. Εφαρμογές.  
* Στοιχεία Μεθόδων Υπολογιστικής Μορφολογίας, Υπολογιστικής Σημασιολογίας και Επεξεργασίας Φυσικής Γλώσσας. Εφαρμογές. 
Μετά την ολοκλήρωση του μαθήματος ο φοιτητής / τρια μπορεί να χειριστεί:
Μετά την ολοκλήρωση του μαθήματος ο φοιτητής / τρια μπορεί να χειριστεί:
* σε επίπεδο θεωρητικής τεκμηρίωσης προβλημάτων
* σε επίπεδο θεωρητικής τεκμηρίωσης προβλημάτων
* επίλυση ασκήσεων
* επίλυση ασκήσεων 
* αναγνώριση εφαρμογών στα προαναφερθέντα θέματα της Επεξεργασίας Φυσικής Γλώσσας.
* αναγνώριση εφαρμογών στα προαναφερθέντα θέματα της Επεξεργασίας Φυσικής Γλώσσας.
|-
|-
Γραμμή 77: Γραμμή 85:
=== Περιεχόμενο Μαθήματος ===
=== Περιεχόμενο Μαθήματος ===


{| class="wikitable" style="width: 100%;"
|
Εξοικείωση με :
Εξοικείωση με :
* Την Εξέλιξης της Γλωσσικής Τεχνολογίας.
* Την Εξέλιξης της Γλωσσικής Τεχνολογίας.
* Τους Στόχους της Αυτόματης Επεξεργασίας Φυσικής Γλώσσας - Επισκόπηση Εφαρμογών.  
* Τους Στόχους της Αυτόματης Επεξεργασίας Φυσικής Γλώσσας - Επισκόπηση Εφαρμογών. 
* Τα Επίπεδα γλωσσικής επεξεργασίας. Γλωσσικοί επεξεργαστές: μηχανές αναγνώρισης, μορφομετατροπείς, τεχνολόγοι, γεννήτορες.  
* Τα Επίπεδα γλωσσικής επεξεργασίας. Γλωσσικοί επεξεργαστές: μηχανές αναγνώρισης, μορφομετατροπείς, τεχνολόγοι, γεννήτορες. 
* Τη Γλώσσα ως σύστημα στηριζόμενο σε κανόνες. Κατανόηση γλώσσας ως δράση εξαγωγής συμπεράσματος.  
* Τη Γλώσσα ως σύστημα στηριζόμενο σε κανόνες. Κατανόηση γλώσσας ως δράση εξαγωγής συμπεράσματος. 
* Τους Πόρους για την Αυτόματη Επεξεργασία Φυσικής Γλώσσας: βάσεις δεδομένων και βάσεις γνώσεων. Δομές δεδομένων, αλγόριθμοι και έμπειρα συστήματα για τεχνολόγηση.  
* Τους Πόρους για την Αυτόματη Επεξεργασία Φυσικής Γλώσσας: βάσεις δεδομένων και βάσεις γνώσεων. Δομές δεδομένων, αλγόριθμοι και έμπειρα συστήματα για τεχνολόγηση. 
* Τις Βασικές στρατηγικές τεχνολόγησης για γραμματικές ανεξάρτητες συμφραζομένων.  
* Τις Βασικές στρατηγικές τεχνολόγησης για γραμματικές ανεξάρτητες συμφραζομένων. 
* Τα Στοιχεία Μεθόδων Υπολογιστικής Μορφολογίας, Υπολογιστικής Σημασιολογίας και Επεξεργασίας Φυσικής Γλώσσας. Εφαρμογές.
* Τα Στοιχεία Μεθόδων Υπολογιστικής Μορφολογίας, Υπολογιστικής Σημασιολογίας και Επεξεργασίας Φυσικής Γλώσσας. Εφαρμογές.
|}


=== Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση ===
=== Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση ===
Γραμμή 90: Γραμμή 101:
{| class="wikitable"
{| class="wikitable"
|-
|-
! Τρόπος Παράδοσης
! Τρόπος Διδασκαλίας
| Πρόσωπο με πρόσωπο
| Πρόσωπο με πρόσωπο.
|-
! Τρόπος και Συχνότητα Επικοινωνίας με Φοιτητές
| Η επικοινωνία με τους φοιτητές γίνεται:
* Μέσω email.
* Δια ζώσης στο γραφείο.
* Κατά τη διάρκεια των διαλέξεων.
 
Η συχνότητα επικοινωνίας με τους φοιτητές καθορίζεται από τις ανάγκες των φοιτητών.
|-
! Διασφάλιση Τρόπου Επικοινωνίας Μεταξύ Φοιτητών
| Συνέργεια στα πλαίσια της παράδοσης του μαθήματος.
|-
|-
! Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
! Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
| Ναι. Χρήση του Εργαστηρίου Επεξεργασίας Φυσικής Γλώσσας και Μαθηματικών προβλημάτων
| Ναι. Χρήση του Εργαστηρίου Επεξεργασίας Φυσικής Γλώσσας και Μαθηματικών προβλημάτων.
|-
! Απαιτούμενος Τεχνολογικός Εξοπλισμός και Γνώσεις Τεχνολογίας
| Δεν απαιτείται τεχνολογικός εξοπλισμός, καθώς παρέχεται. Δεν απαιτούνται εξειδικευμένες γνώσεις τεχνολογίας.
|-
! Πολιτική Μαθήματος για τη Λογοκλοπή και Εργαλεία Ελέγχου Λογοκλοπής
| Η λογοκλοπή απαγορεύεται ρητά και τιμωρείται κλιμακούμενα, ανάλογα με την επανάληψη της χρήσης της. Ελέγχεται, δε, με σχετικά εργαλεία όπως το "Turnitin", που παρέχει η Βιβλιοθήκη του Πανεπιστημίου.
|-
! Πολιτική Μαθήματος για τη Χρήση Τεχνητής Νοημοσύνης
| Επιτρέπεται η χρήση Τεχνητής Νοημοσύνης κατόπιν άδειας από τον διδάσκοντα/τη διδάσκουσα.
|-
|-
! Οργάνωση Διδασκαλίας
! Οργάνωση Διδασκαλίας
|
|
{| class="wikitable"
{| class="wikitable" style="width: 100%;"
! Δραστηριότητα
! Δραστηριότητα
! Φόρτος Εργασίας Εξαμήνου
! Φόρτος Εργασίας Εξαμήνου
|-
|-
| Διαλέξεις (13Χ3)
| Διαλέξεις (13Χ3)
| 39
| style="text-align: center;" |39
|-
|-
| Αυτοτελής Μελέτη
| Αυτοτελής Μελέτη
| 78
| style="text-align: center;" |78
|-
|-
| Επίλυση Ασκήσεων - εργασίες
| Επίλυση Ασκήσεων - εργασίες
| 33
| style="text-align: center;" |33
|-
|-
| Σύνολο Μαθήματος
| Σύνολο Μαθήματος
| 150
| style="text-align: center;" |150
|}
|}
|-
|-
Γραμμή 127: Γραμμή 158:


<div id="pills-en" class="tab-pane fade" role="tabpanel" aria-labelledby="pills-en-tab" style="text-align:left;">
<div id="pills-en" class="tab-pane fade" role="tabpanel" aria-labelledby="pills-en-tab" style="text-align:left;">
<div align = center>
== '''Introduction to Natural Language Processing''' ==
</div>


=== General ===
=== General ===
Γραμμή 160: Γραμμή 196:
! Language of Instruction and Examinations
! Language of Instruction and Examinations
| Greek
| Greek
|-
! Mode of Course Delivery
| Face-to-face (100%)
|-
|-
! Is the Course Offered to Erasmus Students
! Is the Course Offered to Erasmus Students
Γραμμή 175: Γραμμή 214:
* A historical retrospection of Language Technology evolution
* A historical retrospection of Language Technology evolution
* The goal of NLP and its Applications
* The goal of NLP and its Applications
* The NLP levels. Language Processors such as recognition machines, transducers, parsers and generators
* The NLP levels. Language Processors such as recognition machines, transducers, parsers and generators 
* The language as a rule based system. Language Understanding as process
* The language as a rule based system. Language Understanding as process 
* NLP Resources for parsing, such as Data Base, Knowledge Base, Data Structure, Algorithms and Expert Systems
* NLP Resources for parsing, such as Data Base, Knowledge Base, Data Structure, Algorithms and Expert Systems 
* Fundamental parsing strategies concerning context free grammars.
* Fundamental parsing strategies concerning context free grammars.  
* Fundamental Methods of Computational Morphology, Computational Semantics and NLP. Implementations-Applications
* Fundamental Methods of Computational Morphology, Computational Semantics and NLP. Implementations-Applications
After completing the course the student can handle:
After completing the course the student can handle:
* theoretical documentation of problems
* theoretical documentation of problems
* solving exercises
* solving  exercises
* tracking applications
* tracking applications
which related to NLP different topics.
which related to NLP different topics.
Γραμμή 194: Γραμμή 233:


=== Syllabus ===
=== Syllabus ===
{| class="wikitable" style="width: 100%;"
|
* A historical retrospection of Language Technology evolution
* A historical retrospection of Language Technology evolution
* The goal of NLP and its Applications
* The goal of NLP and its Applications
* The NLP levels. Language Processors such as recognition machines, transducers, parsers and generators
* The NLP levels. Language Processors such as recognition machines, transducers, parsers and generators 
* The language as a rule based system. Language Understanding as process
* The language as a rule based system. Language Understanding as process 
* NLP Resources for parsing, such as Data Base, Knowledge Base, Data Structure, Algorithms and Expert Systems
* NLP Resources for parsing, such as Data Base, Knowledge Base, Data Structure, Algorithms and Expert Systems 
* Fundamental parsing strategies concerning context free grammars.
* Fundamental parsing strategies concerning context free grammars.  
* Fundamental Methods of Computational Morphology, Computational Semantics and NLP. Implementations-Applications
* Fundamental Methods of Computational Morphology, Computational Semantics and NLP. Implementations-Applications
|}
=== Teaching and Learning Methods - Evaluation ===
=== Teaching and Learning Methods - Evaluation ===
{| class="wikitable"
{| class="wikitable"
|-
|-
! Delivery
! Mode of Instruction
| Face to face
| Face to face.
|-
! Mode and Frequency of Communication with Students
| Communication with students takes place through:
* Email.
* In-person meetings during office hours.
* During lectures.
 
The frequency of communication with students is determined by their needs.
|-
! Ensuring Communication Among Students
| Collaboration and interaction are encouraged within the context of course delivery.
|-
|-
! Use of Information and Communications Technology
! Use of Information and Communications Technology
| Yes , Use of Natural Language and Mathematical Problems Processing Laboratory
| Yes , Use of Natural Language and Mathematical Problems Processing Laboratory.
|-
! Required Technological Equipment and Technology Skills
| No technological equipment is required from students, as all necessary equipment is provided. No specialized technology skills are required.
|-
! Course Policy on Plagiarism and Plagiarism Detection Tools
| Plagiarism is strictly prohibited and is subject to progressively stricter penalties in the event of repeated offenses. It is monitored using plagiarism detection tools such as Turnitin, which is provided by the University Library.
|-
! Course Policy on the Use of Artificial Intelligence
| The use of Artificial Intelligence is permitted only with the prior approval of the instructor.
|-
|-
! Teaching Methods
! Teaching Methods
|
|
{| class="wikitable"
{| class="wikitable" style="width: 100%;"
! Activity
! Activity
! Semester Workload
! Semester Workload
|-
|-
| Lectures
| Lectures
| 39
| style="text-align: center;" |39
|-
|-
| Self study
| Self study
| 78
| style="text-align: center;" |78
|-
|-
| Exercises
| Exercises
| 33
| style="text-align: center;" |33
|-
|-
| Course total
| Course total 
| 150
| style="text-align: center;" |150
|}
|}
|-
|-
! Student Performance Evaluation
! Student Performance Evaluation
|
| Final  test
Final test
|}
|}


Γραμμή 243: Γραμμή 306:
* Mitkov Ruslan, The Oxford Handbook of Computational Linguistics. ISBN 0-19-823882
* Mitkov Ruslan, The Oxford Handbook of Computational Linguistics. ISBN 0-19-823882
* Jurafsky Daniel & Martin H. James, Speech and Language Processing - An Introduction to Ntural Language Proocessing, Computational Linguistics and Speech Recognition. ISBN 0-13-095069-6
* Jurafsky Daniel & Martin H. James, Speech and Language Processing - An Introduction to Ntural Language Proocessing, Computational Linguistics and Speech Recognition. ISBN 0-13-095069-6
* Allen James, Natural Language Understanding. ISBN 0-8053-0334-0,  
* Allen James, Natural Language Understanding. ISBN 0-8053-0334-0, 
* Natural Language Generation ed. by Gerard Kempen. ISBN 90-247-3558-0
* Natural Language Generation ed. by Gerard Kempen. ISBN 90-247-3558-0
* Professor's Notes.
* Professor's Notes.

Τελευταία αναθεώρηση της 13:02, 6 Ιουλίου 2026



Γενικά

Σχολή Σχολή Θετικών Επιστημών
Τμήμα Τμήμα Μαθηματικών
Επίπεδο Σπουδών Προπτυχιακό
Κωδικός Μαθήματος MAE845
Εξάμηνο 8
Τίτλος Μαθήματος Εισαγωγή στην Επεξεργασία Φυσικής Γλώσσας
Αυτοτελείς Διδακτικές Δραστηριότητες Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 6)
Τύπος Μαθήματος Ειδίκευσης
Προαπαιτούμενα Μαθήματα  
Γλώσσα Διδασκαλίας και Εξετάσεων Ελληνική
Τρόπος Διεξαγωγής Μαθήματος Δια ζώσης (100%)
Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus Ναι (στην Αγγλική γλώσσα)
Ηλεκτρονική Σελίδα Μαθήματος (URL) Δείτε το eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.

Μαθησιακά Αποτελέσματα

Μαθησιακά Αποτελέσματα Σκοπός είναι η βαθύτερη κατανόηση της Επεξεργαίας Φυσικής Γλώσσας, αναλυτικότερα:
  • Ιστορική Αναδρομή της Εξέλιξης της Γλωσσικής Τεχνολογίας.
  • Στόχοι της Αυτόματης Επεξεργασίας Φυσικής Γλώσσας - Επισκόπηση Εφαρμογών. 
  • Επίπεδα γλωσσικής επεξεργασίας. Γλωσσικοί επεξεργαστές: μηχανές αναγνώρισης, μορφομετατροπείς, τεχνολόγοι, γεννήτορες. 
  • Γλώσσα ως σύστημα στηριζόμενο σε κανόνες. Κατανόηση γλώσσας ως δράση εξαγωγής συμπεράσματος. 
  • Πόροι για την Αυτόματη Επεξεργασία Φυσικής Γλώσσας: βάσεις δεδομένων και βάσεις γνώσεων. Δομές δεδομένων, αλγόριθμοι και έμπειρα συστήματα για τεχνολόγηση. 
  • Βασικές στρατηγικές τεχνολόγησης για γραμματικές ανεξάρτητες συμφραζομένων. 
  • Στοιχεία Μεθόδων Υπολογιστικής Μορφολογίας, Υπολογιστικής Σημασιολογίας και Επεξεργασίας Φυσικής Γλώσσας. Εφαρμογές. 

Μετά την ολοκλήρωση του μαθήματος ο φοιτητής / τρια μπορεί να χειριστεί:

  • σε επίπεδο θεωρητικής τεκμηρίωσης προβλημάτων
  • επίλυση ασκήσεων 
  • αναγνώριση εφαρμογών στα προαναφερθέντα θέματα της Επεξεργασίας Φυσικής Γλώσσας.
Γενικές Ικανότητες
  • Υλοποίηση - Εμπέδωση
  • Επιλογή και σχεδίαση κατάλληλων αλγορίθμων τεχνολόγησης και παραγωγής προτάσεων φυσικής γλώσσας

Περιεχόμενο Μαθήματος

Εξοικείωση με :

  • Την Εξέλιξης της Γλωσσικής Τεχνολογίας.
  • Τους Στόχους της Αυτόματης Επεξεργασίας Φυσικής Γλώσσας - Επισκόπηση Εφαρμογών. 
  • Τα Επίπεδα γλωσσικής επεξεργασίας. Γλωσσικοί επεξεργαστές: μηχανές αναγνώρισης, μορφομετατροπείς, τεχνολόγοι, γεννήτορες. 
  • Τη Γλώσσα ως σύστημα στηριζόμενο σε κανόνες. Κατανόηση γλώσσας ως δράση εξαγωγής συμπεράσματος. 
  • Τους Πόρους για την Αυτόματη Επεξεργασία Φυσικής Γλώσσας: βάσεις δεδομένων και βάσεις γνώσεων. Δομές δεδομένων, αλγόριθμοι και έμπειρα συστήματα για τεχνολόγηση. 
  • Τις Βασικές στρατηγικές τεχνολόγησης για γραμματικές ανεξάρτητες συμφραζομένων. 
  • Τα Στοιχεία Μεθόδων Υπολογιστικής Μορφολογίας, Υπολογιστικής Σημασιολογίας και Επεξεργασίας Φυσικής Γλώσσας. Εφαρμογές.

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Διδασκαλίας Πρόσωπο με πρόσωπο.
Τρόπος και Συχνότητα Επικοινωνίας με Φοιτητές Η επικοινωνία με τους φοιτητές γίνεται:
  • Μέσω email.
  • Δια ζώσης στο γραφείο.
  • Κατά τη διάρκεια των διαλέξεων.

Η συχνότητα επικοινωνίας με τους φοιτητές καθορίζεται από τις ανάγκες των φοιτητών.

Διασφάλιση Τρόπου Επικοινωνίας Μεταξύ Φοιτητών Συνέργεια στα πλαίσια της παράδοσης του μαθήματος.
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών Ναι. Χρήση του Εργαστηρίου Επεξεργασίας Φυσικής Γλώσσας και Μαθηματικών προβλημάτων.
Απαιτούμενος Τεχνολογικός Εξοπλισμός και Γνώσεις Τεχνολογίας Δεν απαιτείται τεχνολογικός εξοπλισμός, καθώς παρέχεται. Δεν απαιτούνται εξειδικευμένες γνώσεις τεχνολογίας.
Πολιτική Μαθήματος για τη Λογοκλοπή και Εργαλεία Ελέγχου Λογοκλοπής Η λογοκλοπή απαγορεύεται ρητά και τιμωρείται κλιμακούμενα, ανάλογα με την επανάληψη της χρήσης της. Ελέγχεται, δε, με σχετικά εργαλεία όπως το "Turnitin", που παρέχει η Βιβλιοθήκη του Πανεπιστημίου.
Πολιτική Μαθήματος για τη Χρήση Τεχνητής Νοημοσύνης Επιτρέπεται η χρήση Τεχνητής Νοημοσύνης κατόπιν άδειας από τον διδάσκοντα/τη διδάσκουσα.
Οργάνωση Διδασκαλίας
Δραστηριότητα Φόρτος Εργασίας Εξαμήνου
Διαλέξεις (13Χ3) 39
Αυτοτελής Μελέτη 78
Επίλυση Ασκήσεων - εργασίες 33
Σύνολο Μαθήματος 150
Αξιολόγηση Φοιτητών Τελική γραπτή εξέταση

Συνιστώμενη Βιβλιογραφία

Δείτε την υπηρεσία Εύδοξος. Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος:

Introduction to Natural Language Processing


General

School School of Science
Academic Unit Department of Mathematics
Level of Studies Undergraduate
Course Code MAE845
Semester 8
Course Title Introduction to Natural Language Processing
Independent Teaching Activities Lectures (Weekly Teaching Hours: 3, Credits: 6)

Special Background

Prerequisite Courses -
Language of Instruction and Examinations Greek
Mode of Course Delivery Face-to-face (100%)
Is the Course Offered to Erasmus Students Yes (in English)
Course Website (URL) See eCourse, the Learning Management System maintained by the University of Ioannina.

Learning Outcomes

Learning outcomes The goal of this course is the deeper understanding of Natural Language Processing (NLP). During the course a detailed examination of the following topics are done:
  • A historical retrospection of Language Technology evolution
  • The goal of NLP and its Applications
  • The NLP levels. Language Processors such as recognition machines, transducers, parsers and generators 
  • The language as a rule based system. Language Understanding as process 
  • NLP Resources for parsing, such as Data Base, Knowledge Base, Data Structure, Algorithms and Expert Systems 
  • Fundamental parsing strategies concerning context free grammars.  
  • Fundamental Methods of Computational Morphology, Computational Semantics and NLP. Implementations-Applications

After completing the course the student can handle:

  • theoretical documentation of problems
  • solving  exercises
  • tracking applications

which related to NLP different topics.

General Competences
  • Handle new problems
  • Decision making
  • Implementation- Consolidation

Syllabus

  • A historical retrospection of Language Technology evolution
  • The goal of NLP and its Applications
  • The NLP levels. Language Processors such as recognition machines, transducers, parsers and generators 
  • The language as a rule based system. Language Understanding as process 
  • NLP Resources for parsing, such as Data Base, Knowledge Base, Data Structure, Algorithms and Expert Systems 
  • Fundamental parsing strategies concerning context free grammars.  
  • Fundamental Methods of Computational Morphology, Computational Semantics and NLP. Implementations-Applications

Teaching and Learning Methods - Evaluation

Mode of Instruction Face to face.
Mode and Frequency of Communication with Students Communication with students takes place through:
  • Email.
  • In-person meetings during office hours.
  • During lectures.

The frequency of communication with students is determined by their needs.

Ensuring Communication Among Students Collaboration and interaction are encouraged within the context of course delivery.
Use of Information and Communications Technology Yes , Use of Natural Language and Mathematical Problems Processing Laboratory.
Required Technological Equipment and Technology Skills No technological equipment is required from students, as all necessary equipment is provided. No specialized technology skills are required.
Course Policy on Plagiarism and Plagiarism Detection Tools Plagiarism is strictly prohibited and is subject to progressively stricter penalties in the event of repeated offenses. It is monitored using plagiarism detection tools such as Turnitin, which is provided by the University Library.
Course Policy on the Use of Artificial Intelligence The use of Artificial Intelligence is permitted only with the prior approval of the instructor.
Teaching Methods
Activity Semester Workload
Lectures 39
Self study 78
Exercises 33
Course total  150
Student Performance Evaluation Final  test

Attached Bibliography

See the official Eudoxus site. Books and other resources, not provided by Eudoxus:

  • Mitkov Ruslan, The Oxford Handbook of Computational Linguistics. ISBN 0-19-823882
  • Jurafsky Daniel & Martin H. James, Speech and Language Processing - An Introduction to Ntural Language Proocessing, Computational Linguistics and Speech Recognition. ISBN 0-13-095069-6
  • Allen James, Natural Language Understanding. ISBN 0-8053-0334-0, 
  • Natural Language Generation ed. by Gerard Kempen. ISBN 90-247-3558-0
  • Professor's Notes.
Ανακτήθηκε από «https://outlines.math.uoi.gr/index.php?title=Undergraduate_Elective_1036&oldid=2224»