Text in english

Automatische Spracherkennung

Kurs nur in Englisch

Semesterwochenstunden:

4

Leistungspunkte:

5

Vorkenntnisse:

Fortgeschrittene Programmierkenntnisse in C/C++ oder C# sind Voraussetzung.

Veranstaltungstyp:

Vorlesung mit Projektarbeit in englischer Sprache

Semesterturnus:

Wintersemester

Arbeitsaufwand:

150 Stunden, davon:
65 Stunden Präsenzzeit,
85 Stunden zur Vor- und Nachbereitung des Lehrstoffs und Prüfungsvorbereitung

Beitrag zu den Zielen des Studiengangs:

Die Vorlesung vermittelt den Studenten Einbliicke in ein anspruchsvolles Teilgebiet der angewandten und praktischen Informatik. Die theoretisch-wissenschaftlichen Grundlagen der Studierenden werden dabei um ausgewählte Verfahren aus dem Bereich der Musteranalyse und Klassifikation verbreitert.

Lernziel:

Kenntnisse der Grundlagen der automatischen Spracherkennung, Fähigkeit zur Implementierung von einfachen Klassifikationsalgorithmen, Fähigkeit zur Durchführung einfacher Klassifikationsexperimente, Verständnis für die aktuellen Entwicklungen im Bereich "Deep Learning"

Schlüsselqualifikationen:

- Fähigkeit zu abstraktem mathematischen Denken und Schließen
- Analyse und Klassifikation von Problemen
- Kreatives Problemlösen

Lehrinhalte:

Dieser Kurs ist eine Einführung in die Automatische Spracherkennung und besteht aus einem Vorlesungsteil mit praktischen Übungen im Labor.

Theorie:
- Eigenschaften gesprochener Sprache
- Merkmalgewinnung
- Statistische Mustererkennung
- Neuronale Netze und "Deep Learning"
- Wortmodellierung
- Grammatische Sprachmodellierung
- Dekodierung kontinuierlicher Sprache


Praktische Übungen in Projektgruppen von 2 bis 4 Studenten, z.B.
- Einzelworterkennung mit Dynamischer Zeitverzerrung
- Textbasierte Sprachen-Erkennung mit Bigramm-Sprachmodellen
- Sprecher-Erkennung

Literatur:

E.-G. Schukat-Talamazzini: Automatische Spracherkennung, 1995+2001 (Download möglich unter http://www.minet.uni-jena.de/fakultaet/schukat/MYPUB/SchukatTalamazzini95:ASG.pdf )

Stephan Euler, Grundkurs Spracherkennung, Vieweg-Teubner, 2006

Frederick Jelinek, Statistical Methods for Speech Recognition, The MIT Press, Cambridge, Massachusetts, 1998

Dong Yu, Li Deng, Automatic Speech Recognition – A Deep Learning Approach, Springer, London, December 2014

Bemerkungen:

Beginn der Veranstaltung ist jeweils um 09:45 in Raum HQ.405, das Ende jeweils um 17:00.
Block vom 10.-14.2. und 17.-18.2.2020
Mündliche Befragung am 21.2.2020

Leistungsnachweis:

Kurzreferat in englischer Sprache (10 min), 33 %
Mündliche Befragung (15 min), 67%



Modulverantwortliche/r:

Prof. Dr. Gallwitz





TH Nürnberg
Fakultät Informatik
Webmaster-IN



Root- Zertifikat

© 2019 Fakultät Informatik