Logo der FH-Münster
Einrichtungs-Logo
Einrichtungs-Logo

Lernergebnisse

Praktikum: T9-Erkenner nach Eingabe von "42556", Zielwort "hallo"

In diesem Modul lernen Sie die Teilgebiete der automatischen Sprachverarbeitung kennen. Sie haben die Prinzipien und Verfahren der statistischen Spracherkennung detaillierter studiert. Ferner setzen Sie sich mit Anwendungsszenarien auseinander.

Sie können den Einsatz von Sprachtechnologie in konkreten Anwendungssituationen beurteilen. Statistische Mustererkennungsverfahren finden breite Anwendung auch außerhalb der Spracherkennung, so dass die Studierenden durch einen entsprechenden Transfer ihres Wissens einen einfacheren Einstieg in verwandte Themen, z.B. die Objekterkennung in Bildern, finden.

Inhalte

  • Einführung:
    Maschinelle Verarbeitung gesprochener Sprache, Gesprochene Sprache, Beschreibung von Sprache, Wahrnehmung von Sprache
  • Mathematische Grundlagen:
    Wahrscheinlichkeitstheorie, Statistik
  • Ableitung von Merkmalen:
    Diskretisierung, Quantisierung, Filterung, Kurzzeitanalyse
  • Klassifikation:
    Bayes-Klassifikator, Lernen von Modell-Parametern, EM-Algorithmus, Suchverfahren
  • Markov-basierte Spracherkennung:
    Markov-Modelle, Parametrisierung, Verborgene Zustände, Viterbi, Akustische Modell, Sprachmodelle
  • Dynamic Time-Warping-basierte Spracherkennung
  • Anwendungsszenarien:
    Diktiersysteme, Sprach-basierte Dialogsysteme, Video-Annotation, Sprechererkenner, etc.
Audiosignal zu "Wahlmodul automatische Sprachverarbeitung" (Tool: Audacity)

Literatur

(Auswahl)

  • E.G. Schukat-Talamazzini: Automatische Spracherkennung, Vieweg, 1995 (vergriffen, als PDF vom Autor im WWW verfügbar)
  • D. Jurafsky, J.H. Martin: Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition, Prentice Hall, 2008
  • X. Huang, R. Reddy, A. Acero: Spoken Language Processing: A Guide to Theory, Algorithm and System Development, Prentice Hall, 2001
  • F. Jelinek: Statistical Methods for Speech Recognition, MIT Press, 1998
  • L. Rabiner, B.H. Juang: Fundamentals of Speech Recognition, Prentice Hall, 1993

Zielgruppe

Automatische Sprachverarbeitung:

Bachelor Informatik (dual) Wahlpflichtmodul
Bachelor Elektrotechnik (dual) Wahlpflichtmodul
Bachelor Wirtschaftsingenieurwesen ET

Wahlpflichtmodul
(Rücksprache empfohlen)

Bachelor Lehramt ET/ IT

Wahlpflichtmodul
(Rücksprache empfohlen)

Natural Language Processing:

Studierende, die das Modul "Automatische Sprachverarbeitung" im Bachelorstudiengang nicht als Wahlpflichtmodul belegt hatten, können nach Rücksprache mit einer entsprechenden Zusatzleistung das Modul als Wahlpflichtmodul "Natural Language Processing" im Master belegen.

Master Informatik (in Teilzeit) Wahlpflichtmodul
(nur nach Rücksprache)
Master Elektrotechnik (in Teilzeit)

Wahlpflichtmodul
(nur nach Rücksprache)

weitere Masterstudiengänge

Rücksprache erforderlich

Organisatorisches

Turnus Angebot im Sommersemester
Umfang des sem. Unterrichts 2SWS
Umfang des Praktikums

2SWS

Leistungspunkte 5
Inhaltliche Vorraussetzungen
  • Beherrschung der Konzepte, Methoden und Verfahren der Mathematik
  • sichere Kenntnisse und Erfahrungen in der Programmierung, insbesondere in den Themen Algorithmen und Datenstrukturen
Anmeldung Anmeldung zum Praktikum im Campus-Management-System erforderlich
Teilnehmerzahl

16

Materialien Bereitstellung von Vorlesungsunterlagen und Aufgabenblättern im E-Learning-System der Hochschule
Vorraussetzung zur Prüfungsteilnahme

erfolgreiche Bearbeitung des Praktikums
(An- und Abtestate)

Prüfungsform
  • Klausur
  • Masterstudierende: Zusatzleistung nach Absprache
Um unsere Webseite für Sie optimal zu gestalten und fortlaufend verbessern zu können, verwenden wir Cookies. Weitere Informationen und die Möglichkeit zum Widerruf finden Sie in unserer Datenschutzerklärung.
Seite drucken