Anwendungen der natürlichen SprachverarbeitungModulbeschreibung #41269 / Version 1
- 6 LP
- Portfolioprüfung
- Benotet
- Wintersemester
- Englisch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
| Modul / Version | #41269 / #1 |
|---|---|
| Gültigkeit | WiSe 2025/26 – SoSe 2026 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Schmitt, Vera |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Softwaretechnik und Theoretische Informatik |
| Fachgebiet | 34355310 Nachwuchsforschungsgruppe ExperTeam4KI „VeraXtract“ |
Kontakt
| Sekretariat | MAR 6-7 |
|---|---|
| Ansprechpartner*in | Jettkowski, Tobias |
| E-Mail-Adresse | module@qu.tu-berlin.de |
| Webseite | https://www.tu.berlin/qu/studium-und-lehre/lehrangebot/ |
Lernergebnisse
Die Studierenden entwickeln ein grundlegendes Verständnis dafür, wie Techniken der Verarbeitung natürlicher Sprache (NLP) in realen, anspruchsvollen Szenarien angewendet werden können, z. B. bei der automatischen Überprüfung von Fakten und bei medizinischen Entscheidungsunterstützungssystemen. Der Kurs führt in die wichtigsten NLP-Aufgaben und -Methoden ein und zeigt sowohl ihr Potenzial als auch ihre Grenzen in praktischen Anwendungen auf. Neben dem Erwerb praktischer Erfahrung in der Erstellung und dem Einsatz von NLP-Modellen lernen die Teilnehmer, die Modellergebnisse zu interpretieren und ihre Zuverlässigkeit zu bewerten - eine wesentliche Fähigkeit in Bereichen, in denen Entscheidungen erhebliche Auswirkungen haben. Der Kurs deckt auch Standard-Evaluationsmetriken für zentrale NLP-Aufgaben ab, die es den Studierenden ermöglichen, die Modellleistung und ihre Eignung für sensible Anwendungsfälle kritisch zu beurteilen.
Lehrinhalte
Der Kurs deckt aktuelle, grundlegende Themen der natürlichen Sprachverarbeitung (NLP) ab und vermittelt die theoretischen und praktischen Grundlagen, die für die Bewältigung realer, anspruchsvoller Anwendungsfälle erforderlich sind. Zu den Kernbestandteilen gehören wesentliche Vorverarbeitungsschritte, Techniken zur Textdarstellung wie Vektorisierung und eine Einführung in moderne Sprachmodelle. Die Studierenden beschäftigen sich mit wichtigen NLP-Aufgaben und lernen dabei, geeignete Bewertungsmetriken anzuwenden, um die Leistung in sensiblen Bereichen zu beurteilen. Durch praktische Projektarbeit gewinnen die Studierenden praktische Erfahrung in der Anwendung von NLP-Techniken auf realistische Probleme, wobei der Schwerpunkt auf der Interpretation und kritischen Reflexion der Modellergebnisse liegt. Grundlegende Kenntnisse der Python-Programmierung und des maschinellen Lernens werden für eine erfolgreiche Teilnahme empfohlen.
Vor- und Nachbearbeitung der Lerninhalte können durch 3 freiwillige Mini-Quizzes geprüft werden.
Vor- und Nachbearbeitung der Lerninhalte können durch 3 freiwillige Mini-Quizzes geprüft werden.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Applications of Natural Language Processing | Integrierte Veranstaltung | Wintersemester | [en] | 3 | ISIS |
Arbeitsaufwand und Leistungspunkte
Applications of Natural Language Processing (Integrierte Veranstaltung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Anwesenheit | 12 | 4 h | 48 h |
| Klausurvorbereitung | 1 | 30 h | 30 h |
| Projekt | 2 | 20 h | 40 h |
| Vor- und Nacharbeit | 15 | 4 h | 60 h |
| 178 h | |||
Der Aufwand des Moduls summiert sich zu 178 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Präsenzvorträge und Übungen, Treffen zur Projektarbeit und Diskussion von Fragen und Themen in Präsenz und online.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Grundkenntnisse in Python-Programmierung und maschinellem Lernen sind erforderlich.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Englisch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| (Ergebnisprüfung) Projekt | 55 | schriftlich | 10 Seiten |
| Punktelle Leistungsabfrage) Schriftliche Prüfung | 30 | schriftlich | 60 min |
| (Ergebnisprüfung) Präsentation | 15 | mündlich | 20 min |
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Wintersemester.
Maximale teilnehmende Personen
Die maximale Teilnehmerzahl beträgt 45.
Anmeldeformalitäten
Der Dozent muss kontaktiert werden, um sich für den Kurs einzuschreiben. Dies kann vor oder in der ersten Sitzung geschehen, wie auf der Website des Kurses angegeben. Die Anmeldung zur Prüfung erfolgt über die zum Zeitpunkt der Anmeldung aktuelle Anwendung.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
Keine empfohlene Literatur angegeben
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Computer Engineering StuPO 2015 | WiSe 2025/26 | Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems |
| SoSe 2026 | Wahlpflicht Studiengebiet B › Kognitive Systeme / Cognitive Systems | |
| Computer Science (Informatik) StuPO 2015 | WiSe 2025/26 | Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems |
| SoSe 2026 | Studiengebiete › Kognitive Systeme / Cognitive Systems | |
| Elektrotechnik StuPO 2015 | WiSe 2025/26 | Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems |
| SoSe 2026 | Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems |
Sonstiges
Keine Angabe