Gå offline med appen Player FM !
#5 Amaru Cuba Gyllensten - Natural language processing och maskininlärning inom språk
Arkiverad serie ("Inaktivt flöde" status)
When? This feed was archived on November 08, 2021 08:09 (). Last successful fetch was on November 06, 2020 03:37 ()
Why? Inaktivt flöde status. Våra servar kunde inte hämta ett giltigt podcast-flöde under en längre period.
What now? You might be able to find a more up-to-date version using the search function. This series will no longer be checked for updates. If you believe this to be in error, please check if the publisher's feed link below is valid and contact support to request the feed be restored or if you have any other concerns about this.
Manage episode 218649500 series 2422916
Detta avsnitt gästas av doktoranden Amaru Cuba Gyllensten. Vi pratar om hans forskning inom Natural Language Processing (NLP) på RISE (Research Institutes of Sweden) och vad området kan användas till. Vi diskuterar även användningen av maskininlärning inom NLP och språkforskning, samt mer generellt kring maskininlärning och AI.
Amarus artikel som nämns i avsnittet (24:00):Distributional Term Set Expansion
Word vector-artikel som nämns vid 47:30:Efficient Estimation of Word Representations in Vector Space
Bloggar inom NLP:- Aylien- Rare Technologies- ConceptNet
Intressanta inlägg inom NLP:- Om bias i språkmodeller- Den hisotoriska utvecklingen av NLP - Om word embeddings- En tutorial för att använda fasttext (en utveckling av word2vec som används av Facebook)- Koreanska bokstäver i NLP
Medverkande i avsnittet:- Amaru Cuba Gyllensten, doktorand i Natural Language Processing på RISE SICS- Henning Hammar, doktorand i fysik på Uppsala Universitet, driver även tjänsten Börslabbet, @investerarfys- Daniel Constanda, IT-konsult i finansbranchen på Clara Financial Consulting- Martin Nordgren, jobbar på Tobii, tidigare på Dirac, @martinjnordgren
Kontakta oss:dataspaning.se@dataspaning @ Twitterdataspaning@gmail.com
35 episoder
Arkiverad serie ("Inaktivt flöde" status)
When? This feed was archived on November 08, 2021 08:09 (). Last successful fetch was on November 06, 2020 03:37 ()
Why? Inaktivt flöde status. Våra servar kunde inte hämta ett giltigt podcast-flöde under en längre period.
What now? You might be able to find a more up-to-date version using the search function. This series will no longer be checked for updates. If you believe this to be in error, please check if the publisher's feed link below is valid and contact support to request the feed be restored or if you have any other concerns about this.
Manage episode 218649500 series 2422916
Detta avsnitt gästas av doktoranden Amaru Cuba Gyllensten. Vi pratar om hans forskning inom Natural Language Processing (NLP) på RISE (Research Institutes of Sweden) och vad området kan användas till. Vi diskuterar även användningen av maskininlärning inom NLP och språkforskning, samt mer generellt kring maskininlärning och AI.
Amarus artikel som nämns i avsnittet (24:00):Distributional Term Set Expansion
Word vector-artikel som nämns vid 47:30:Efficient Estimation of Word Representations in Vector Space
Bloggar inom NLP:- Aylien- Rare Technologies- ConceptNet
Intressanta inlägg inom NLP:- Om bias i språkmodeller- Den hisotoriska utvecklingen av NLP - Om word embeddings- En tutorial för att använda fasttext (en utveckling av word2vec som används av Facebook)- Koreanska bokstäver i NLP
Medverkande i avsnittet:- Amaru Cuba Gyllensten, doktorand i Natural Language Processing på RISE SICS- Henning Hammar, doktorand i fysik på Uppsala Universitet, driver även tjänsten Börslabbet, @investerarfys- Daniel Constanda, IT-konsult i finansbranchen på Clara Financial Consulting- Martin Nordgren, jobbar på Tobii, tidigare på Dirac, @martinjnordgren
Kontakta oss:dataspaning.se@dataspaning @ Twitterdataspaning@gmail.com
35 episoder
Alla avsnitt
×Välkommen till Player FM
Player FM scannar webben för högkvalitativa podcasts för dig att njuta av nu direkt. Den är den bästa podcast-appen och den fungerar med Android, Iphone och webben. Bli medlem för att synka prenumerationer mellan enheter.