Глубинное обучение для текстовых данных

2024/2025

Учебный год

RUS

Обучение ведется на русском языке

5

Кредиты

Кто читает:

Департамент больших данных и информационного поиска

Статус:

Курс по выбору

Когда читается:

4-й курс, 1, 2 модуль

Преподаватели

Биршерт Алексей Дмитриевич

Шабалин Александр Михайлович

Программа дисциплины

Аннотация

NLP (Natural Language Processing) — это область машинного обучения, которая пытается научить компьютер понимать и обрабатывать текстовые данные. NLP лежит в основе множества технологий, таких как системы перевода и генерации текстов, голосовые помощники, суммаризаторы текстов, спам детекторы и так далее. В настоящее время такие технологии не только облегчают жизнь людям, решая несложные задачи быстрее них. Часто модели машинного обучения позволяют достигать более высокого качества и оказываются “умнее” многих людей. Примером такой модели может стать нашумевшая ChatGPT, способная корректно отвечать на вопросы по самым различным темам.В курсе мы постараемся дать вам понять и прочувствовать, что происходит в мире естественной обработки языка. Какие задачи бывают, какие проблемы встречаются в ходе их решения. Мы покажем, что NLP — это не набор пар (задача, решение), а общие идеи, которые применимы для решения множества задач и отражают некоторую общую концепцию.

Цель освоения дисциплины

• Изучение базовых задач и методов обработки и анализа текстов
• Изучение современных нейросетевых моделей для обработки и анализа текстов
• Освоение программных систем и инструментов для обработки и анализа текстов

Планируемые результаты обучения

• Знать и применять базовые методы обработки и анализа текстов
• Уметь решать задачи, связанные с моделированием языка

Содержание учебной дисциплины

• Векторное представление слов. Классификация текстов
• Токенизация текста. Языковые модели
• Рекуррентные нейронные сети
• Задача Seq2seq. Трансформер. Методы семплирования токенов
• BERT и GPT
• Transfer learning. Parameter-Efficient Fine-tuning
• Архитектурные особенности больших языковых моделей (LLM)
• Уменьшение размеров модели без потери качества
• Retrieval‑Augmented Generation (RAG)
• Active learning
• Text style transfer
• Диффузионные модели для генерации текстов

Элементы контроля

• Домашнее задание 1
  Простейшие методы для классификации текста
• Домашнее задание 2
  Автодополнение текста для помощи в его наборе
• Домашнее задание 3
  Продвинутые рекуррентные сети
• Домашнее задание 4
  Реализация Трансформера
• Домашнее задание 5
  Реализация методов PEFT
• Домашнее задание 6
  Дистилляция BERT для задачи NER
• Домашнее задание 7
  Retrieval‑Augmented Generation (RAG)
• Домашнее задание 8
  Перенос стиля текста
• Контрольная работа
  Письменная работа, рассчитанная на одну пару.
• Экзамен
  Экзамен проводится в устной форме, возможно проведение в аудитории или на платформе Zoom. который включает в себя два вопроса из программы курса. Во время подготовки ответа нельзя пользоваться материалами. После ответа студенту могут быть заданы дополнительные вопросы по программе курса, а также предложены задачи на понимание теоретического материала. Такие задачи не требуют проведения обширных вычислений.

Промежуточная аттестация

• 2024/2025 2nd module
  Итог = Округление(0.4 * ДЗ + 0.3 * КР + 0.3 * Э), где ДЗ — средняя оценка за все домашние задания, КР — оценка за контрольную работу, Э — оценка за экзамен.

Список литературы

Рекомендуемая дополнительная литература

• Shay Cohen. (2019). Bayesian Analysis in Natural Language Processing : Second Edition. San Rafael: Morgan & Claypool Publishers. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2102157

Авторы

• Сысоева Алевтина Александровна
• Шабалин Александр Михайлович