- Début des cours: 11 septembre 2017. Même si votre inscription administrative ou pédagogique n'est pas finalisée, il est indispensable d'assister à tous les cours, et en particulier les premiers. Les autres dates importantes sont dans le calendrier de l'UFRL.
- Responsables d'année: pour l'année scolaire 2017-18, les responsables d'année dans le cursus de Linguistique Informatique sont:
- Licence: Benoît Crabbé
- Master 1: Marie Candito
- Master 2: Laurence Danlos
- Réunion d'information: Pour les étudiants de L3, M1 et M2, une réunion d'information est organisée le vendredi 08 septembre, à 16h, dans la salle 310 (salle à confirmer). Cette réunion n'est pas obligatoire, mais elle est fortement recommandée.
- L'examen spécial d'entrée en M1 sera organisé le vendredi 08 septembre 2017 de 9h à 13h. Il aura lieu en salle 310 (3e étage, bâtiment Olympe de Gouges).
Pour ceux qui ne passent qu'une épreuve, elle commencera à 9h (et se
terminera à 11h). Pour ceux qui passent deux épreuves, on commencera par
l'informatique à 9h. Rappel: il est nécessaire d'avoir été officiellement convoqué pour passer cet examen d'entrée.
Préparation de l'examen: consignes, indications préparées par l'association d'étudiants. - Lectures en linguistique: pour les étudiants incomplètement formés en linguistique, voici une liste d'ouvrages (manuels, en anglais) qui couvrent les disciplines de base de la linguistique et permettent donc de se familiariser avec le domaine.
- Cours professionnels de M2: Les cours dores et déjà prévus sont les suivants.
- XML
- Industrialisation en TAL
- Ontologies
- Terminologies
- Nouveau cours au choix en M2 (à titre expérimental): phonologie computationnelle. Cours offert par Giorgio Magri, chercheur au CNRS. Le cours sera en anglais et voici sa description: This course offers an overview of learnability in constraint-based phonology (classical and stochastic Optimality Theory, classical and stochastic Harmonic Grammar, Maximum Entropy Grammars). The language learning task is broken up into various specific and explicitly stated learning problems. For each learning problem, various learning algorithms are investigated and compared, drawn from both the discrete/combinatorial and the numerical/probabilistic approaches pursued in the current literature. The focus is on analytical guarantees, rather than sheer simulation results.
Voir pour mémoire les pages des années précédentes: rentrée 2015, rentrée 2014, rentrée 2013.