Бакалавриат 2023/2024

Работа с текстами на естественном языке

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Лучший по критерию «Новизна полученных знаний»

Статус: Курс по выбору (Медиакоммуникации)

Направление: 42.03.05. Медиакоммуникации

Кто читает: Институт медиа

Где читается: Факультет креативных индустрий

Когда читается: 3-й курс, 4 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Двойникова Анастасия Александровна

Язык: русский

Кредиты: 4

Контактные часы: 46

Программа дисциплины

Аннотация

Работа с текстами на естественном языке позволяет решать целый список бизнес- и исследовательских задач, включая перевод, классификацию и объединение текстов, выделение в текстах эмоциональной составляющей высказываний, выделение важной информации из больших текстовых массивов. Программа рассчитана на студентов, которые уже имеют опыт работы с Python – основы синтаксиса языка, циклы, условия. Цель программы - изучить методы статистического, визуального анализа данных, предобработки и векторизации текстов, необходимых для основных задач NLP - классификации текстов, сентимент анализ, определение топиков и так далее. Основные инструменты - библиотеки Sklearn, NLTK, Gensim и другие.

Цель освоения дисциплины

• Познакомить с методами статистического и визуального анализа данных, предобработки и векторизации данных, необходимых для основных задач NLP.

Планируемые результаты обучения

• Классифицирует тексты с помощью разных алгоритмов
• Проводит статистический и визуальный анализ текстовых данных
• Выделяет из текстов релевантную информацию
• Векторизует тексты с помощью различных методов
• Проводит кластеризацию текстов
• Работает с текстовыми корпусами данных в формате csv

Содержание учебной дисциплины

• Введение
• Предобработка текстовых данных
• Анализ данных
• Статистический и визуальный анализ данных
• Словарные методы векторизации текстов
• Автоматические методы векторизации
• Снижение размерности
• Система классификации
• Методы классификации
• Сентимент-анализ

Элементы контроля

• Домашние задания
• Зачет
• Дедлайн

Промежуточная аттестация

• 2023/2024 учебный год 4 модуль
  Дедлайн * 0.25 + Домашние задания: Домашнее задание * 0.45 + Зачет * 0.3

Список литературы

Рекомендуемая основная литература

• Рашка, С. Python и машинное обучение: крайне необходимое пособие по новейшей предсказательной аналитике, обязательное для более глубокого понимания методологии машинного обучения : руководство / С. Рашка , перевод с английского А. В. Логунова. — Москва : ДМК Пресс, 2017. — 418 с. — ISBN 978-5-97060-409-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100905 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

• Коэльо, Л. П. Построение систем машинного обучения на языке Python / Л. П. Коэльо, В. Ричарт , перевод с английского А. А. Слинкин. — 2-е изд. — Москва : ДМК Пресс, 2016. — 302 с. — ISBN 978-5-97060-330-7. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/82818 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.