Informationsveranstaltung Linguistische Informatik & Korpuslinguistik

Transkript

1 Informationsveranstaltung Linguistische Informatik & Korpuslinguistik Prof. Dr. Stefan Evert Professur für Korpuslinguistik

2 2 Was ist Linguistische Informatik? Korpuslinguistik Computerlinguistik?

3 Das Erlanger Modell Linguistische Informatik = sprachwissenschaftlich fundierte Computerlinguistik mit Schwerpunkt auf korpuslinguistischen Ansätzen Sprachwissenschaft mit dem Computer Informatik für Anwendungen, die mit Sprache zu tun haben Computerlinguistik beschäftigt sich mit Methoden, Werkzeugen und Anwendungen der maschinellen Verarbeitung natürlicher Sprache computerlinguistische Methoden als Forschungsgebiet sui generis bessere Sprachtechnologie durch linguistisches Verständnis, keine blindes language engineering Sprachwissenschaft: objektivierbare Aussagen über Sprache, empirische Überprüfung linguistischer Theorien neue Erkenntnisse für Kognitionswissenschaft, Psycholinguistik,

4 Computerlinguistik ist interdisziplinär Statistik Machine Learning Künstliche Intelligenz Informatik Computer- linguistik Sprachwissenschaft Cognitive Science Logik & Theoretische Informatik 4

5 Was kann man mit Computerlinguistik anfangen? 5

6 Was kann man mit Computerlinguistik anfangen? Maschinelle Übersetzung (Google, Babel Fish, ) Rechtschreibkorrektur und Grammatikprüfung Diktieren & Sprachsteuerung Sprachausgabe (z.b. Navi) Sprachdialogsystem (z.b. im Auto, Fahrplanauskunft, ) Wörterbücher (zweisprachige, Lerner-WB, Kollokations-WB) Semantische Websuche Künstliche Intelligenz: Siri, IBM Watson, Meinungs- & Marktforschung Information Retrieval & Question Answering Text / Knowledge Mining (z.b. im biomedizinischen Bereich) Patentrecherche u.ä. Kontrollierte Terminologie Plagiaterkennung Automatische Bewertung von Klausuren und Hausarbeiten Spam schreiben & erkennen Forensik & Aufklärung (z.b. linguistische Steganographie) 6

7 CL Showcase: Maschinelle Übersetzung Übersetzungssoftware von AltaVista Babel Fish 7

8 CL Showcase: Maschinelle Übersetzung 8

9 CL Showcase: Maschinelle Übersetzung 9

10 CL Showcase: IBM Watson gewinnt bei Jeopardy! IN 1939's CARTOON "THE POINTER", THIS GUY GOT A NEW, MORE PEAR-SHAPED BODY & PUPILS WERE ADDED TO HIS EYES 10

11 CL Showcase: IBM Watson gewinnt bei Jeopardy! THIS CLAUSE IN A UNION CONTRACT SAYS THAT WAGES WILL RISE OR FALL DEPENDING ON A STANDARD SUCH AS COST OF LIVING 11

12 Korpuslinguistik Computerlinguistik? Korpus (im weiten Sinn) = Sammlung von Sprachdaten / Texten in maschinenlesbarer Form sehr große Korpora ( 100 M Wörter) sind besonders nützlich Auswertung mit statistischen Methoden und maschinellen Lernverfahren Korpus (im engen Sinn) = Stichprobe authentischer Sprachdaten / Texte, die für eine bestimmte Sprache oder Sprachvarietät repräsentativ ist z.b. literarische Korpora, Dialekte, gesprochene Sprache, IBK, Basis für empirisch fundierte sprachwissenschaftliche Studien spielt zentrale Rolle in den Digital Humanities Korpuslinguistik (im weiten Sinn) = Erstellung, maschinelle Verarbeitung und Auswertung von Korpora 12

13 Was ist Korpuslinguistik? Digital Humanities Sprachwissenschaft Computerlinguistik Korpuslinguistik Korpuslinguistik 13

14 Korpuslinguistische Fragestellungen & Anwendungen Kernziel: Erforschung von authentischem Sprachgebrauch Empirische Überprüfung linguistischer Theorien Lexikographie (neue Einträge, Kollokationen, Präferenzen, ) IZ Lexikografie, Valenz und Kollokation Korpusbasierte (Lerner-)Grammatiken Erforschung von Sprachvariation IZ für Dialekte und Sprachvariation Erst- und Zweitspracherwerb (à Lernerkorpora) Psycholinguistik (à Häufigkeitsnormen) Historische Sprachwissenschaft (es gibt keine Muttersprachler!) Digital Humanities (à Auswertung digitalisierter Bestände) Soziologie und Politikwissenschaft 14

15 Wo wird Korpustechnologie praktisch eingesetzt? Maschinelle Übersetzung (Google, Babel Fish, ) Rechtschreibkorrektur und Grammatikprüfung Diktieren & Sprachsteuerung Sprachausgabe (z.b. Navi) Sprachdialogsystem (z.b. im Auto, Fahrplanauskunft, ) Wörterbücher (zweisprachige, Lerner-WB, Kollokations-WB) Semantische Websuche Künstliche Intelligenz: Siri, IBM Watson, Meinungs- & Marktforschung Information Retrieval & Question Answering Text / Knowledge Mining (z.b. im biomedizinischen Bereich) Patentrecherche u.ä. Kontrollierte Terminologie Plagiaterkennung Automatische Bewertung von Klausuren und Hausarbeiten Spam schreiben & erkennen Forensik & Aufklärung (z.b. linguistische Steganographie) 15

16 Beispiel: Vorteile korpusbasierter Sprachtechnologie 16

17 Lernen von Übersetzungsmustern aus Parallelkorpora 17

18 Sprachwissenschaft Korpuslinguistik Digital Humanities Bachelor Linguistische Informatik Computerlinguistik Sprachtechnologie / Informatik Sprachtechnologie Wirtschaft / Industrie (Spezialist für Sprache & Text)

19 Der Studiengang Linguistische Informatik Bachelorstudiengang (6 Semester) 10 Module mit insgesamt 70 ECTS Praktikum in Forschungsprojekt oder bei Industrieunternehmen Kombination mit einem sprachwissenschaftlichen Fach z.b. Germanistik, Anglistik oder Romanistik Doppelqualifikation durch linguistische Ausbildung im sprachwissenschaftlichen Fach praktische Anwendung der linguistischen Theorie und computerlinguistischen Methoden im Fach Linguistische Informatik zusätzliche Vorlesungen und Übungen aus der Informatik 19

20 Studienziele Theoretische Kompetenzen Logik, Mengenlehre, formale Sprachen, Grammatiken, Wk-Theorie computerlinguistische Aufgabenstellungen und Lösungsansätze Korpuslinguistik, deskriptive und analytische Statistik Verfahren der maschinellen Sprachverarbeitung, maschinelles Lernen sowie Sprachwissenschaft, Informatik, Humanities (Import / 2. Fach) Praktische Kompetenzen Linux-Shell, Emacs/LaTeX, reguläre Ausdrücke, Datenformate (z.b. XML) Skriptprogrammierung mit Python Verwendung computerlinguistischer Werkzeuge und Ressourcen Implementierung sprachtechnologischer Anwendungen Durchführung quantitativer korpuslinguistischer Studien 20

21 Studienziele Soft skills Teamwork konstruktive Diskussion Vermittlung von Wissen und Ergebnissen in wissenschaftlichen Arbeiten und Vorträgen Berufserfahrung (à Praktikum) sowie weitere Soft skills aus zweitem Fach Allgemeine Ziele praxis- und forschungsorientiertes Studium Verzahnung mit Infrastruktur und Forschungsthemen der Professur 21

22 22 Studienplan (neue Studienordnung) Semester 1 (WiSe) Semester 2 (SoSe) Semester 3 (WiSe) Semester 4 (SoSe) Semester 5 (WiSe) Semester 6 (SoSe) VL Grundlagen der CL 1 2 SWS; 2 ECTS VL Grundlagen der CL 2 2 SWS; 2 ECTS Proseminar Computerling. 2 SWS; 5 ECTS HS Korpuslinguistik 2 SWS; 5 ECTS Oberseminar 1 1 SWS; 1 ECTS; nur Erstfach Oberseminar 2 1 SWS; 1 ECTS; nur Erstfach Ü Grundlagen der CL 1 2 SWS; 3 ECTS Ü Grundlagen der CL 2 2 SWS; 3 ECTS Ü Computerling. Werkzeuge und Infrastrukturen 2 SWS; 5 ECTS Ü Statistik 2 SWS; 5 ECTS Ü Implement. compling. Sys. 2 SWS; 3 ECTS; nur Erstfach Ü Arbeitstechniken der CL 2 SWS; 2,5 ECTS Grundseminar Programmierung 2 SWS; 5 ECTS Aufbauseminar Programmierung 2 SWS; 5 ECTS Hauptseminar theoretisch 2 SWS; 5 ECTS; Semester 4 oder 6 Hauptseminar praktisch 2 SWS; 5 ECTS Vorlesung Grundlagen der Informatik (GdI) 3 SWS; insg. 7,5 ECTS; Import V Konzeptionelle Modellierung 2 SWS; 2,5 ECTS; Import; Sem. 2 4 Import Informatik ~ 4 SWS; 5 ECTS; Import; Sem. 4 6; nur Erstfach Tafelübung GdI 2 SWS; s.o. ECTS; Import Ü Konz. Mod. 2 SWS; 2,5 ECTS; Import; Sem. 2 4 Rechnerübung GdI 1 SWS; s.o. ECTS; Import 12 SWS 15 ECTS 6 SWS 10 ECTS 10 SWS 20 ECTS 6 SWS 15 ECTS 2 SWS 5 ECTS 0 SWS 0 ECTS

23 Moduläquivalenzen alte/neue Studienordnung Alte Studienordnung (2009) ECTS Neue Studienordnung (2014) ECTS Grundlagen der Computerlinguistik I 10 Werkzeuge und Arbeitstechniken WACL EGr Programmierung 7,5 3 2 Grundlagen der Computerlinguistik I + II 12,5 Programmierung 10 Grundlagen der Informatik I 7,5 Grundlagen der Informatik (Importmodul) 7,5 Grundlagen der Computerlinguistik II 10 Vertiefungsmodul Computerlinguistik I 10 Konzeptionelle Modellierung 5 Konzeptionelle Modellierung (Importmodul) 5 Maschinelle Sprachverarbeitung 5 Datenbanksysteme 5 Korpuslinguistik 10 Vertiefungsmodul Computerlinguistik 10 Vertiefungsmodul Computerlinguistik II 10 Praktikum 5 Praktikum 5 Bachelorarbeit 10 Bachelorarbeit 10 Für alle noch nicht begonnenen Module gilt die neue Studienordnung! (in unklaren Fällen Einzelfallentscheidung nach Absprache)

24 Der Studiengang Linguistische Informatik Kleiner Studiengang: ca Studierende Aktive Fachschaftsinitiative: KLUE-Stammtisch Treffen zum Semesterstart? Weitere Informationen zum Studium unter 24

25 Nach dem Studium Masterstudium / Promotion Computerlinguistik Sprachwissenschaft Digital Humanities Informatik Tätigkeitsbereiche in der Sprachtechnologie Google, Microsoft, Yahoo, Twitter, Text Mining, Information Retrieval, Search Engines, Lexikographie und Terminologie Spracherkennung und Sprachsynthese, Dialogsysteme Computergestützter Sprachunterricht (CALL) Viele Start-Up-Unternehmen im IT-Bereich suchen Computerlinguisten! 25

26 Praktische Informationen Bismarckstr. 6 Raum (Büro Professur) Philologien Unser Team Prof. Dr. Stefan Evert stefan.evert@fau.de Besim Kabashi, M.A. besim.kabashi@fau.de Thomas Proisl, M.A. thomas.proisl@fau.de Paul Greiner, M.A. paul.greiner@fau.de Gabrielle Lapesa, M.A. gabriella.lapesa@fau.de Webseite (CIP-Pool) Bismarckstr. 12 Raum

27 Lehrangebot im WS 2014/15 VL + Ü Grundlagen der Computerlinguistik 1 Ü Arbeitstechniken der Computerlinguistik VL + Ü Grundlagen der Informatik (3 LVen!) PS Computerlinguistik Ü Computerling. Werkzeuge und Infrastrukturen PS Aufbaukurs Python VL + Ü Konzeptionelle Modellierung Praktisches HS: Maschinelle Lernverfahren in der CL Oberseminar Computerlinguistik 1. Sem. 3. Sem. 5. Sem. VL Informationsvisualisierung Ringvorlesung Digital Humanities (Do, 18 20, KH 0.016) Kolloquien der Interdisziplinären Zentren SQ 27

28 28 UnivIS - Lehrveranstaltungsplan Mo Di Mi Do Fr 08:00 09:00 10:00 11:00 08:15-09:45 Konzeptionelle Modellierung (Lenz) H7 10:15-11:45 Übung Grundlagen der Computerlinguistik 1 (N.N.) Bismarckstr :15-11:45 Proseminar Computerlinguistik (Evert) Bismarckstr :00 13:00 12:15-13:45 Vorlesung Grundlagen der Computerlinguistik 1 (Evert) Bismarckstr :00 15:00 14:15-15:45 Arbeitstechniken der Computerlinguistik (Proisl) Bismarckstr :15-15:45 Informationsvisualisierung (Grosso) :15-15:45 Computerlinguistische Werkzeuge und Infrastrukturen (Kabashi) Bismarckstr :15-15:45 Grundlagen der Informatik (Stamminger) H7, H8, H9 14:15-15:45 Maschinelle Lernverfahren in der Computerlinguistik (Evert) Bismarckstr. 6 16:00 17:00 16:15-17:45 Aufbauseminar Programmierung Python (Greiner) Bismarckstr :15-17:45 Oberseminar Computerlinguistik (Evert) Bismarckstr. 6 16:15-17:45 Grundlagen der Informatik (Stamminger) H7, H8, H9

29 Nächste Schritte LVen werden in der Regel durch StudOn-Kurse begleitet bitte dort anmelden (sobald verfügbar) keine formale Anmeldung erforderlich Prüfungsanmeldung über meincampus nicht vergessen! Studienanfänger: Accounts für CIP-Pool Anmeldeformulare in Ü Arbeitstechniken der CL Sprechstunde Prof. Dr. Stefan Evert Montags, 16 17, Raum (Bismarckstr. 6) in den vorlesungsfreien Zeiten n.v. per

30 30