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
|
| 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 Παράδοσης
|
Πρόσωπο με πρόσωπο
|
| Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
|
Ναι. Χρήση του Εργαστηρίου Επεξεργασίας Φυσικής Γλώσσας και Μαθηματικών προβλημάτων
|
| 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:
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
|
| 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
| Delivery
|
Face to face
|
| Use of Information and Communications Technology
|
Yes , Use of Natural Language and Mathematical Problems Processing Laboratory
|
| 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.