Oberseminar "Selected topics in Machine Learning and Natural Language Processing" (SS 2020)
Die Modellierung von Dialogen zwischen Menschen und Computer kann als ein maschinelles Lernproblem betrachtet werden, bei dem wir versuchen, ein statistisches Modell des Dialoges zu erstellen und es anhand der Daten, die aus zwischenmenschlichen Dialogen oder Dialogen zwischen Menschen und Maschine bestehen, zu trainieren. Der Bereich der statistischen Dialogmodellierung liegt in der Schnittmenge von maschinellem Lernen und natürlicher Sprachverarbeitung. Dieser Bereich betrifft jedoch Probleme, die auch Gegenstand vieler anderer Bereiche sind. Diese Probleme umfassen u. a. Interaktion, Anpassung, Zero-Shot-Learning, Representation Learning und Deep Learning Algorithmen. Dieses Seminar behandelt eine Reihe von Themen, die im Zusammenhang mit der Dialogmodellierung stehen, deren Auswirkungen jedoch weit darüber hinausgehen.
- 24.04.2020: Ontology-independent Dialogue Tracking, Dr. Michael Heck (RE)
- 08.05.2020: Variational Auto-Encoders, Dr. Nurul Lubis (TUT)
- 15.05.2020: Selected papers from ICLR conference, Prof. Dr. Milica Gasic (RE)
- 22.05.2020: Transformers, Marco Moresi (TUT)
- 29.05.2020: GANs for language generation, Hsien-Chin Lin (TUT)
- 05.06.2020: Reward Estimation in Reinforcement Learning, Christian Geishauser (RE)
- 12.06.2020: Uncertainty in Dialogue Tracking, Carel van Niekerk (RE)
- 19.06.2020: Sentiment in Dialogue, Dr. Nurul Lubis (RV)
- 26.06.2020: Semantic Similarity, Marco Moresi (TUT)
- 03.07.2020: Correlations between sets of words, Carel van Niekerk (RE)
TUT = tutorial (Tutorium); RE = research talk (Forschungsgespräch); RV = review talk (Rezensionsgespräch)