Linguistic Data Science

NUMMER:	050826 und 050832
KÜRZEL:	lingDatSc
MODULBEAUFTRAGTE:R:	Prof. Dr. Tibor Kiss
DOZENT:IN:	Prof. Dr. Tibor Kiss
FAKULTÄT:	Fakultät für Informatik
SPRACHE:	Englisch
SWS:	4
CREDITS:	10
ANGEBOTEN IM:	jedes Wintersemester

LINK ZUM VORLESUNGSVERZEICHNIS

Hier entlang.

BESTANDTEILE

050826: Introduction to Linguistic Models with R (im WS)
050832: Linguistic Data Science (im SS)

PRÜFUNGEN

FORM:	Das Modul wird im SoSe durch eine benotete Klausur abgeschlossen.
TERMIN:	Siehe Prüfungsamt.

LERNFORM

Beide Veranstaltungen setzen sich aus einer Präsenzkomponente (Vortrag der Lehrenden im Plenum mit anschließender Diskussion, gemeinsames Lösen von Aufgaben) und Übungen zum Kurs zusammen. Dabei können insbesondere die Übungen als eLearning-Einheiten angeboten
werden.

LERNZIELE

∙ Die Studierenden kennen grundlegende Theorien, Modelle und Methoden der Linguistic Data Science und können sie kritisch auf Fragestellungen und Probleme anwenden.
∙ Sie werden mit der Fachsprache vertraut und können sich gut schriftlich und mündlich zu den behandelten Themen ausdrücken.
∙ Sie verstehen einige grundlegende Evaluationsmethoden und können sie auf kleine Beispielfälle anwenden.
∙ Sie vollziehen den Einfluss von Entscheidungen bei der Wahl von Datensätzen, Datentypen oder der Struktur von Experimenten auf Daten in einfachen Beispielen nach.
∙ Sie können sich über kleine fachspezifische Problemstellungen mit andere austauschen und diese gemeinsam lösen.
∙ Sie sind sicher im Umgang mit der Programmiersprache R und können Programme schreiben, die einzelne Funktionen erfüllen, sowie Programme, die mehrere Module/Funktionen kombinieren

INHALT

Das Modul bietet eine Einführung in die üblichen Verfahren, Methoden und Modelle sowie
Theorien aus dem Bereich Linguistic Data Science sowie einen vertieften Einblick in die angemessene Modellierung und Modellentwicklung in der Linguistik. Neben Evaluationsverfahren
für Modelle und Datensätze werden Entwicklungsverfahren und Projektkonzeption vorgestellt. In beiden Veranstaltungen lernen die Studierenden mögliche Bias durch die Wahl von
Datensätzen, Datentypen oder die Struktur von Experimenten sowie zur Vermeidung dieser
kennen. In den Übungen werden kleine Aufgaben von den Studierenden in Gruppen oder
allein bearbeitet.

VORAUSSETZUNGEN CREDITS

* Bestandene Modulabschlussklausur
* Studienleistung in Form der erfolgreichen Teilnahme an den Übungen. Dazu werden
in der vorlesungsbegleitenden Übung zu jedem Grundkurs Aufgaben im Selbststudium
bearbeitet, durch Übungsgruppenleiter überprüft und in kleinen Gruppen von den Stu-
dierenden präsentiert und diskutiert. Die erfolgreiche Teilnahme an einer Übung setzt
in der Regel die richtige Lösung von 50 Prozent der Aufgaben und die Präsentation von
Lösungen in der Gruppe voraus.

EMPFOHLENE VORKENNTNISSE

Keine

AKTUELLE INFORMATIONEN

Der Modulstart ist nur im WS möglich! Zum Modul gehören die beiden Veranstaltungen "Introduction to Linguistic Data Science with R" im WS und "Linguistic Data Science" im SS. Die Modulabschlussprüfung über beide Veranstaltungen finden im SS statt.

∙ Studienleistung in Form der erfolgreichen Teilnahme an den Übungen. Dazu werden in der vorlesungsbegleitenden Übung zu jedem Grundkurs Aufgaben im Selbststudium bearbeitet, durch Übungsgruppenleiter überprüft und in kleinen Gruppen von den Studierenden präsentiert und diskutiert. Die erfolgreiche Teilnahme an einer Übung setzt in der Regel die richtige Lösung von 50 Prozent der Aufgaben und die Präsentation von Lösungen in der Gruppe voraus.

SONSTIGE INFORMATIONEN

Verwendung des Moduls (in anderen Studiengängen):
trifft nicht zu
Stellenwert der Note für die Endnote: 10 / 105
(Im Studiengang werden Module im Umfang von 105 CP benotet und 15 CP nicht benotet)
Zur Präsentation der Übungsaufgaben in den Übungen können die Dozierenden die Studierenden zur Teilnahme an den Übungen verpflichten.