Аспирантура 2022/2023

Анализ текстовых данных методами машинного обучения

Статус: Курс по выбору

Направление: 38.06.01. Экономика

Кто читает: Департамент экономики и финансов

Когда читается: 2-й курс, 2 семестр

Формат изучения: с онлайн-курсом

Онлайн-часы: 65

Охват аудитории: для своего кампуса

Преподаватели: Божья-Воля Анастасия Александровна

Язык: русский

Кредиты: 4

Контактные часы: 2

Программа дисциплины

Аннотация

Целью курса является изучение подходов к решению основных задач автоматической обработки текстов на основе классического машинного обучения и глубоких нейронный сетей. В ходе курса слушатели освоят методы предобработки текстовых данных и научатся применять на практике основные методы классификации и кластеризации текстов, методы поиска и / или генерации ответа на вопрос и базовые методы машинного перевода. Слушателям будут предложены тестовые задания на понимание материала, а также практические задания на программирование.

Цель освоения дисциплины

• Целью курса является изучение подходов к решению основных задач автоматической обработки текстов на основе классического машинного обучения и глубоких нейронный сетей.

Планируемые результаты обучения

• Применяет искусственный интеллект и машинное обучение
• Применяет математический аппарат для решения задач по оценке и разработки моделей
• Решает задачи искусственного интеллекта (ИИ)
• Разрабатывает и применяет методы машинного обучения (МО) для решения задач

Содержание учебной дисциплины

• Введение в анализ текстов, базовые методы предобработки и выделения признаков. Неглубокие векторные представления слов. Классификация текстов.
• Разметка последовательности Seq2seq, MT, attention, transformer Предобученные языковые модели. Улица Сезам, часть 1 Предобученные языковые модели. Улица Сезам, часть 2
• Синтаксис в рамках грамматики зависимостей. Тематическое моделирование. Суммаризация и симплификация текстов. QA-системы, чат-боты. Графы знаний

Элементы контроля

• Изучение 1 тематического блока
• Изучение 2 тематического блока
• Изучение 3 тематического блока

Промежуточная аттестация

• 2022/2023 учебный год II семестр
  0.35 * Изучение 3 тематического блока + 0.3 * Изучение 1 тематического блока + 0.35 * Изучение 2 тематического блока

Список литературы

Рекомендуемая основная литература

• Прикладной анализ текстовых данных на Python : машинное обучение и создание приложений обработки естественного языка, Бенгфорт, Б., 2020

Рекомендуемая дополнительная литература

• Bengfort, B., Bilbro, R., & Ojeda, T. (2018). Applied Text Analysis with Python : Enabling Language-Aware Data Products with Machine Learning. Beijing: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=nlebk&AN=1827695