Lehrveranstaltungen

Die Einführungsveranstaltung für Erstsemester wird kurz vor Beginn des Vorlesungszeitraums als Videoaufzeichnung bereitgestellt. Ein erster Präsenztermin findet am Montag, 02.11.2020, in mehreren Gruppen zwischen 14–18 Uhr im CIP-Pool (Bismarckstr. 12, Raum 0.320) statt (weitere Informationen).

Das HS Computerlinguistik hat dieses Semester das Thema Multi-Task Learning for Document Analysis. Es wird als Projektseminar in Kooperation mit dem Pattern Recognition Lab des Departments Informatik durchgeführt und findet voraussichtlich als reine als Online-Lehrveranstaltung statt. Präsenztermine (Vorlesungen und Tutorials, Diskussionen, Projektpräsentationen) finden regelmäßig mittwochs 10–12 Uhr statt.

Wie üblich kann das Seminar als HS praktisch oder als HS theoretisch belegt werden, um Verzögerungen im Studienablauf zu vermeiden. Bitte melden Sie sich rechtzeitig für den zugehörigen StudOn-Kurs an.

Webinar-Vorträge oder alternative Angebote (z.B. Podcasts) im Rahmen des Oberseminars Computerlinguistik werden im Kalender der Korpus- und Computerlinguistik sowie über den Mailverteiler des Lehrstuhls angekündigt.

Bis auf weiteres finden die Sprechstunden von Prof. Evert nur per Telefon oder Videokonferenz statt, während der Vorlesungszeit üblicherweise montags 10–12 Uhr. Bitte vereinbaren Sie einen Termin per e-Mail.

Wörter, Texte & Frequenzen: statistische Analyse von Sprachdaten

Lecturers

• Andreas Blombach
• Philipp Heinrich

Details

Time and place:

• Tue 10:00-12:00, Room 02.313

Prerequisites / Organizational information

Grundlegende Statistik- und Programmierkenntnisse werden vorausgesetzt, Erfahrung mit R ist nicht nötig.

Technische Voraussetzungen: eigener Rechner, Mikrofon, Lautsprecher oder Headset, idealerweise Webcam

Das Seminar findet größtenteils online statt (Screencasts, Zoom & asynchrone Kommunikation).

Es werden aber auch vereinzelte Präsenztermine angeboten, gerade zum Kennenlernen von R und RStudio am Anfang des Semesters.

Content

Seien es nun stilometrische Analysen, die Auswertung von Korpusrecherchen oder die Analyse von Social-Media-Beiträgen unter sozialwissenschaftlichen Gesichtspunkten: Auch wenn man eigentlich mit Text arbeitet, kommt man um Statistik oft nicht herum.

Sprachdaten bringen besondere statistische Herausforderungen mit sich, die in Einführungskursen in der Regel nur angeschnitten werden. Wir wollen uns im Seminar aber nicht nur damit beschäftigen, sondern auch ganz grundlegend mit statistischer Modellierung: Wie wählt man das passende statistische Verfahren aus? Wie wählt man die Prädiktorvariablen aus, die ins Modell eingehen sollen? Wie misst man die Güte eines Modells, und wie interpretiert man das Modell richtig? Wie lassen sich Modelle robust konstruieren, sodass sie verlässlichere Vorhersagen liefern? Wie geht man mit Interaktionen, Nichtlinearität und abhängigen Daten um? Wie wählt man unter mehreren möglichen Modellen das beste aus?

Dabei spielt natürlich stets auch die Visualisierung der Daten eine wichtige Rolle.

Eigene Daten und Fragestellungen können gerne eingebracht werden!

Grober und unvollständiger Themenüberblick:

• Einführung in R / Auffrischung

• Häufigkeitsverteilungen von Sprachdaten

• Visual data exploration: ggplot, Plotly & Shiny

• Statistische Modelle: Genauigkeit und Interpretierbarkeit, Test- und Trainingsdaten, Kreuzvalidierung

• Klassifikationsprobleme (logistische Regression, SVMs, Entscheidungsbäume und Random Forests)

• Modellieren für Fortgeschrittene (u.a. Umgang mit Nichtlinearität und mit abhängigen Daten)

• Unüberwachtes Lernen: Clustering, Dimensionsreduzierung und Co.

Recommended Literature

Wickham, Hadley / Grolemund, Garrett (2017): R for Data Science. [Online: https://r4ds.had.co.nz/index.html ]

Ismay, Chester / Kim, Albert Y. (2020): Statistical Inference via Data Science. A ModernDive into R and the Tidyverse. [Online: https://moderndive.com/index.html ]

James, Gareth / Witten, Daniela / Hastie, Trevor / Tibshirani, Robert (2013): An Introduction to Statistical Learning. [Online: http://faculty.marshall.usc.edu/gareth-james/ISL/ ]

Additional information

Keywords: Statistik, Korpuslinguistik, Visualisierung, Datenanalyse, Regression, Modellierung