ETE387 · 3 hp · Avancerad nivå (A1N) · Datavetenskap
Natural Language Processing (NLP)
Ges · nästa start HT 2026
100 %
klarade senaste ordinarie tillfället
UPG1 · 14 jan 2026 · 9 studenter
72 %
klarade de ordinarie tillfällena, alla tillfällen de senaste 5 åren
UPG1 · 25 studenter
Inlämning eller laboration
UPG1 Online-test
- G
- U
Ordinarie tillfällen
72 % godkända · 25 studenter
- 100 %9
- 56 %16
Senare tillfällen
88 % godkända · 8 studenter
- 88 %8
- Klarar ett senare tillfälle: 88 % (8 studenter), jämfört med 72 % (25 studenter) på ordinarie
Visa små tillfällen (3)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %2
- 100 %4
Övriga moment
Deltentor, inlämningar och laborationer. De ingår inte i siffrorna överst.
Inlämning eller laboration
LAB1 Laborationskurs
- G
- U
Ordinarie tillfällen
50 % godkända · 16 studenter
- 86 %7
- 22 %9
Senare tillfällen
71 % godkända · 7 studenter
- 71 %7
- Klarar ett senare tillfälle: 71 % (7 studenter), jämfört med 50 % (16 studenter) på ordinarie
Visa små tillfällen (4)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %1
- 100 %4
- 100 %4
Om kursen
Mål
Efter genomgången kurs ska den studerande kunna:
- förklara centrala koncept, modeller och algoritmer inom naturligt språk-behandling
- implementera språkteknologiska metoder och tillämpa dem på realistiska problem
- utvärdera språkteknologiska komponenter och system med lämpliga metoder
Innehåll
Natural Language Processing (NLP) gör det möjligt för datorer att arbeta med mänskligt språk. I den här kursen kommer du att utforska de centrala modeller och algoritmer som ligger till grund för modern NLP, med en stark betoning på praktisk erfarenhet. Kursen fokuserar särskilt på stora språkmodeller (LLM:er) och utvecklingen av chatbotar.
- Introduktion till naturligt språk-behandling
- Tokenisering och ordvektorer (ex. word2vec)
- Språkmodeller baserade på Transformer-arkitekturen (ex. GPT, BERT)
- Utveckling av språkmodeller och chattbotar: data, förträning, finjustering
- Programbibliotek och datamängder
- Utvärderingsmetoder
- Aktuell forskning och utveckling
- Examinator
- Marco Kuhlmann
- Schemalagd tid
- 6 h
- Huvudområde
- Datavetenskap