Магистратура
2022/2023
Семинар наставника
Лучший по критерию «Полезность курса для Вашей будущей карьеры»
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус:
Курс обязательный (Языковые технологии в бизнесе и образовании)
Направление:
45.04.03. Фундаментальная и прикладная лингвистика
Кто читает:
Департамент филологии
Где читается:
Санкт-Петербургская школа гуманитарных наук и искусств
Когда читается:
1-й курс, 1-4 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Преподаватели:
Колмогорова Анастасия Владимировна
Прогр. обучения:
Языковые технологии в бизнесе и образовании
Язык:
русский
Кредиты:
3
Контактные часы:
32
Программа дисциплины
Аннотация
На семинаре наставника обсуждаются актуальные методы и инструменты из образовательных, цифровых гуманитарных и других связанных с ними областей науки и практики и их актуальные способы применения. Семинар объединяет навыки, полученные в рамках других дисциплин, для обобщения их в практических целях. Слушащие курса учатся применять их в разработке программ и инструментов цифрового образования, учатся ориентироваться в подходах в этой области, для чего они получают индивидуальное консультирование от наставника, а также работают в группах и обсуждают способы реализации своих проектов.
Цель освоения дисциплины
- Целями освоения дисциплины «Семинар наставника» являются: − формирование профессионального кругозора в предметной области, соответствующей направлению подготовки 45.04.03 Фундаментальная и прикладная лингвистика; − формирование умения выстраивать индивидуальную траекторию профессионального развития; − формирование навыков выбора и адекватного применения в профессиональной деятельности релевантных инструментов и технологий.
Планируемые результаты обучения
- Знает специфику предметной области, соответствующей направлению подготовки и специализации.
- Знает актуальные тренды и направления в профессиональной области, соответствующей направлению подготовки
- Владеет стратегиями формирования индивидуальной траектории профессионального развития в заданной предметной области.
- Умеет выбирать инструменты и технологии для осуществления своей профессиональной деятельности сообразно с поставленными целями и задачами.
- Умеет ориентироваться в актуальных тематиках и самостоятельно формулировать цели и задачи профессиональной деятельности.
Содержание учебной дисциплины
- Тема № 1. Понятие языковых технологий
- Тема № 2. Актуальные направления NLP
- Тема № 3. Использование языковых технологий в образовании: case studies
- Тема № 4. Использование языковых технологий в бизнесе: case studies
- Тема № 5. Исследовательский потенциал языковых технологий
- Тема № 6. Анализ существующего рынка языковых технологий
- Тема № 7. Обзор существующих инструментов NLP
- Тема № 8. Современные дискуссионные площадки в области NLP.
Элементы контроля
- Домашнее заданиеДомашнее задания представляют собой небольшое практические или аналитическое задание, которое выполняется студентами вне аудитории. Оценка за домашнее задание выставляется по 10-балльной шкале. Сданные работы не пересдаются. Задания возможно получать и в дистанционном формате.
- ЭкзаменЭкзамен проводится в форме беседы с экзаменатором и предполагает обсуждение одного из двух вопросов, представленных в билете (на выбор студенту). На подготовку у студента есть полчаса. Преподаватель задает полемический тон беседе.
Промежуточная аттестация
- 2022/2023 учебный год 4 модуль0.7 * Домашнее задание + 0.3 * Экзамен
- 2023/2024 учебный год 3 модульДомашнее задание * 0.7 + Экзамен: Устный опрос * 0.3
Список литературы
Рекомендуемая основная литература
- Alblawi, A. S. (2018). Big Data and Learning Analytics in Higher Education: Demystifying Variety, Acquisition, Storage, NLP and Analytics.
Рекомендуемая дополнительная литература
- Aman Kedia, & Mayank Rasu. (2020). Hands-On Python Natural Language Processing : Explore Tools and Techniques to Analyze and Process Text with a View to Building Real-world NLP Applications. Packt Publishing.
- Uday Kamath, John Liu, & James Whitaker. (2019). Deep Learning for NLP and Speech Recognition. Springer.