TDDE09 · 6 hp · Avancerad nivå (A1F) · Informationsteknologi, Datateknik, Datavetenskap
Språkteknologi
Ges · nästa start VT 2027
57 %
klarade senaste ordinarie tillfället
UPG5 · 27 mar 2026 · 42 studenter
63 %
klarade de ordinarie tillfällena, alla tillfällen de senaste 5 åren
UPG5 · 70 studenter
92 %
Svårare än 92 % av kurserna på avancerad nivå
Jämfört med 285 kurser på samma nivå, ordinarie tentor de senaste tre läsåren. 70 studenter.
Inlämning eller laboration
UPG5 Projektuppgifter (individuell del)
- 5
- 4
- 3
- U
Ordinarie tillfällen
63 % godkända · 70 studenter
- 57 %42
- 71 %28
Senare tillfällen
85 % godkända · 27 studenter
- 100 %5
- 100 %14
- 50 %8
- Klarar ett senare tillfälle: 85 % (27 studenter), jämfört med 63 % (70 studenter) på ordinarie
- Får 4 eller 5: 47 % (97 studenter)
Visa små tillfällen (1)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %4
Övriga moment
Deltentor, inlämningar och laborationer. De ingår inte i siffrorna överst.
Inlämning eller laboration
UPG2 Projektuppgifter
- 5
- 4
- 3
- U
Ordinarie tillfällen
69 % godkända · 157 studenter
- 53 %66
- 82 %39
- 79 %52
Senare tillfällen
100 % godkända · 28 studenter
- 100 %20
- 100 %8
- Klarar ett senare tillfälle: 100 % (28 studenter), jämfört med 69 % (157 studenter) på ordinarie
- Får 4 eller 5: 57 % (185 studenter)
Visa små tillfällen (6)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %2
- 100 %2
- 100 %1
- 100 %4
- 100 %1
Inlämning eller laboration
LAB2 Laborationer
- 5
- 4
- 3
- U
Ordinarie tillfällen
87 % godkända · 155 studenter
- 91 %66
- 84 %38
- 84 %51
Senare tillfällen
100 % godkända · 7 studenter
- 100 %7
- Klarar ett senare tillfälle: 100 % (7 studenter), jämfört med 87 % (155 studenter) på ordinarie
- Får 4 eller 5: 30 % (162 studenter)
Visa små tillfällen (4)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %4
- 100 %2
- 0 %2
- 100 %1
Inlämning eller laboration
LAB3 Laborationsuppgifter
- 5
- 4
- 3
- U
Ordinarie tillfällen
60 % godkända · 40 studenter
- 60 %40
Senare tillfällen
70 % godkända · 53 studenter
- 80 %5
- 72 %18
- 57 %7
- 70 %10
- 100 %6
- 43 %7
- Klarar ett senare tillfälle: 70 % (53 studenter), jämfört med 60 % (40 studenter) på ordinarie
- Får 4 eller 5: 15 % (93 studenter)
Visa små tillfällen (4)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 50 %2
- 100 %1
- 100 %3
- 100 %3
Inlämning eller laboration
UPG3 Teoriuppgifter
- G
- U
Ordinarie tillfällen
88 % godkända · 67 studenter
- 97 %37
- 77 %30
Senare tillfällen
80 % godkända · 15 studenter
- 67 %9
- 100 %6
- Klarar ett senare tillfälle: 80 % (15 studenter), jämfört med 88 % (67 studenter) på ordinarie
Visa små tillfällen (2)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %2
- 75 %4
Inlämning eller laboration
UPG4 Projektuppgifter (gruppdel)
- 5
- 4
- 3
Ordinarie tillfällen
100 % godkända · 76 studenter
- 100 %46
- 100 %30
Senare tillfällen
Inga tillfällen med minst 5 studenter.
- Får 4 eller 5: 71 % (76 studenter)
Visa små tillfällen (1)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
Vem läser kursen?
- Civilingenjörsprogram i datateknik
- Civilingenjörsprogram i datateknik
- Civilingenjörsprogram i informationsteknologi
- Civilingenjörsprogram i informationsteknologi
- Civilingenjörsprogram i mjukvaruteknik
- Civilingenjörsprogram i mjukvaruteknik
- Civilingenjörsprogram i teknisk fysik och elektroteknik
- Civilingenjörsprogram i teknisk fysik och elektroteknik - internationell
- Civilingenjörsprogram i teknisk fysik och elektroteknik - internationell
- Civilingenjörsprogram i teknisk fysik och elektroteknik
- Civilingenjörsprogram i teknisk matematik
- Masterprogram i datavetenskap
- Masterprogram i datavetenskap
Om kursen
Mål
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.
Efter genomgången kurs ska den studerande kunna:
- förklara centrala språkteknologiska koncept, modeller och algoritmer
- implementera språkteknologiska algoritmer och tillämpa dem på realistiska problem
- utvärdera språkteknologiska komponenter och system med lämpliga metoder
- identifiera, värdera och nyttiggöra vetenskaplig litteratur inom språkteknologiområdet
Innehåll
Övergripande innehåll
- språkteknologiska koncept, modeller och algoritmer
- relevanta maskininlärningsmetoder
- valideringsmetoder
- tillämpningar av språkteknologi
- språkteknologiska verktyg, programbibliotek och data
- språkteknologi som forsknings- och utvecklingsområde
- samhälleliga, miljömässiga och etiska aspekter av språkteknologi
Fokus: Stora språkmodeller och chattbotar
- tokenisering (BPE), inbäddningar, ordvektorer
- språkmodeller baserade på Transformer-arkitekturen (GPT, BERT)
- utveckling av språkmodeller och chattbotar: data, förträning, finjustering
- aktuell forskning och utveckling
Laborationer
I kursens laborationsserie implementerar, tränar och utvärderar studenterna en komplett chattbot baserad på GPT-arkitekturen.
- Examinator
- Marco Kuhlmann
- Schemalagd tid
- 42 h
- Huvudområde
- Informationsteknologi, Datateknik, Datavetenskap