Wiki - Факультет компьютерных наук - Вклад [ru]

Natural Language Processing (автоматическая обработка естественного язык): определение автора текста. (проект)

2016-02-02T11:20:35Z

KirillMalakhov:

{{Карточка_проекта
|name=Natural Language Processing (автоматическая обработка естественного языка): определение автора текста.
|mentor=Кирилл Малахов
|mentor_login={{URLENCODE:KirillMalakhov|WIKI}}
|semester=Весна 2016
|course=1
|summer=
|number_of_students=
|categorize=yes
}}

=== Что это за проект? ===
Одна из современных задач машинного обучения является обработка неструктурированных текстов на естественных языках. Студенту предлагается реализовать приложение, которое после обучения на некоторой тренировочной выборке, с высокой долей вероятности определяет автора предложенного текста. Данная тема очень актуальна в сегодняшние дни, так как используется повсеместно: машинный перевод, информационный поиск, реферирование и аннотация текстов, искусственный интеллект, извлечение информации и т.д.

=== Чему вы научитесь? ===
Студент получит навыки промышленного программирования, а также базовые знания в области обработки тестовой информации на естественных языках, понимание проблем и современные методы и подходы их решения.

=== Какие начальные требования? ===
Помимо желания научиться чему-либо новому, целеустремленности и нацеленности на результат, необходимо уметь программировать на каком-либо современном объектно-ориентированном языке, используя графические библиотеки для интерфейса (последнему при желании можно обучиться). 
Возможные языки: 
* C++, Qt 
* C#, WPF 
* Java, Swing 
* Python, Tkinter

=== Какие будут использоваться технологии? ===
* GIT, 
* Task-tracking, 
* Стандартные библиотеки, среды разработки, соответствующими выбранному языку.

=== Темы вводных занятий ===
Планирование разработки, введение в GIT и task-tracking, Командная разработки и review code, основы качественного написание кода.
Постановка задачи, задачи обработки текстов, конечные автоматы и регулярные выражения, N-граммы и алгоритмы, связанные с ними.
Методы классификации и кластеризации. Контекстно-свободные грамматики.
Синтаксический и лексический анализ.

=== Направления развития ===
Так как данная область достаточно новая, то и нерешенных задач много. Можно попробовать разработать новые алгоритмы или совершенствовать существующие. Полученные знания можно использовать для применения в новых областях.

=== Критерии оценки ===
Во время разработки ментор будет периодически проводить review кода. 

Обязательная часть: 
* Полное описание работы с программой через командную строку (2 балла), 

* Разработка алгоритма с качеством 70% (2 балла). 

Дополнительная часть: 
* Разработка алгоритма с качеством 75% (+ 1 балл), 
* Разработка алгоритма с качеством 80% (+ 1 балл), 
* Разработка алгоритма с качеством 85% (+ 1 балл), 
* Использование MVC (+ 2 балла), 
* Графический интерфейс (+ 2 балла), 
* Взаимодействие модуля расчёта и графического интерфейса через сервис (+ 2 балла), 
* Чтение проверяемых текстов из интернета, из архива, обработка нескольких текстов за раз (+ 1 бал за каждый вариант).

=== Ориентировочное расписание занятий ===
Уточняется.

Участник:KirillMalakhov

2016-01-12T10:47:44Z

KirillMalakhov: Новая страница: «мини {{Карточка_ментора |categorize = yes }} ===== Обо мне: ===== Кирилл Малахов В…»

[[Файл:KirillMalakhov.jpg|мини]]

{{Карточка_ментора
|categorize = yes
}}

===== Обо мне: =====
Кирилл Малахов 
Выпусник ВМК МГУ, сейчас аспирант ВШЭ. 
Занимаюсь теории массового обслуживания и теорией очередей. 

===== Научные интересы: =====
параллельные алгоритмы; 
теория массового обслуживания; 
обработка изображений; 
методология разработки.

===== Контакты: =====
''kirillm100@rambler.ru'' 
+7(915)314-77-26

Файл:KirillMalakhov.jpg

2016-01-12T10:40:54Z

KirillMalakhov:

Natural Language Processing (автоматическая обработка естественного язык): определение автора текста. (проект)

2016-01-12T10:09:42Z

KirillMalakhov:

{{Карточка_проекта
|name=Natural Language Processing (автоматическая обработка естественного язык): определение автора текста.
|mentor=Кирилл Малахов
|mentor_login={{URLENCODE:KirillMalakhov|WIKI}}
|semester=Весна 2016
|course=1
|summer=
|number_of_students=
|categorize=yes
}}

=== Что это за проект? ===
Одна из современных задач машинного обучения является обработка неструктурированных текстов на естественных языках. Студенту предлагается реализовать приложение, которое после обучения на некоторой тренировочной выборке, с высокой долей вероятности определяет автора предложенного текста. Данная тема очень актуальна в сегодняшние дни, так как используется повсеместно: машинный перевод, информационный поиск, реферирование и аннотация текстов, искусственный интеллект, извлечение информации и т.д.

=== Чему вы научитесь? ===
Студент получит навыки промышленного программирования, а также базовые знания в области обработки тестовой информации на естественных языках, понимание проблем и современные методы и подходы их решения.

=== Какие начальные требования? ===
Помимо желания научиться чему-либо новому, целеустремленности и нацеленности на результат, необходимо уметь программировать на каком-либо современном объектно-ориентированном языке, используя графические библиотеки для интерфейса (последнему при желании можно обучиться). 
Возможные языки: 
C++, Qt 
C#, WPF 
Java, Swing 
Python, Tkinter

=== Какие будут использоваться технологии? ===
GIT, 
Task-tracking, 
Стандартные библиотеки, среды разработки, соответствующими выбранному языку.

=== Темы вводных занятий ===
Планирование разработки, введение в GIT и task-tracking, Командная разработки и review code, основы качественного написание кода.
Постановка задачи, задачи обработки текстов, конечные автоматы и регулярные выражения, N-граммы и алгоритмы, связанные с ними.
Методы классификации и кластеризации. Контекстно-свободные грамматики.
Синтаксический и лексический анализ.

=== Направления развития ===
Так как данная область достаточно новая, то и нерешенных задач много. Можно попробовать разработать новые алгоритмы или совершенствовать существующие. Полученные знания можно использовать для применения в новых областях.

=== Критерии оценки ===
Во время разработки ментор будет периодически проводить review кода. 
Обязательная часть: 
• Полное описание работы с программой через командную строку (2 балла), 
• Разработка алгоритма с качеством 75% (2 балла). 
Дополнительная часть: 
• Разработка алгоритма с качеством 80% (+ 1 балл), 
• Разработка алгоритма с качеством 85% (+ 1 балл), 
• Разработка алгоритма с качеством 90% (+ 1 балл), 
• Отчёт, описывающий алгоритм с обоснованием, работу с приложением (+ 2 балла), 
• Графический интерфейс (+ 2 балла).

=== Ориентировочное расписание занятий ===
Уточняется.

Natural Language Processing (автоматическая обработка естественного язык): определение автора текста. (проект)

2016-01-12T10:09:28Z

KirillMalakhov:

{{Карточка_проекта
|name=Natural Language Processing (автоматическая обработка естественного язык): определение автора текста.
|mentor=Кирилл Малахов
|mentor_login={{URLENCODE:KirillMalakhov|WIKI}}
|semester=Весна 2016
|course=1
|summer=
|number_of_students=
|categorize=yes
}}

=== Что это за проект? ===
Одна из современных задач машинного обучения является обработка неструктурированных текстов на естественных языках. Студенту предлагается реализовать приложение, которое после обучения на некоторой тренировочной выборке, с высокой долей вероятности определяет автора предложенного текста. Данная тема очень актуальна в сегодняшние дни, так как используется повсеместно: машинный перевод, информационный поиск, реферирование и аннотация текстов, искусственный интеллект, извлечение информации и т.д.

=== Чему вы научитесь? ===
Студент получит навыки промышленного программирования, а также базовые знания в области обработки тестовой информации на естественных языках, понимание проблем и современные методы и подходы их решения.

=== Какие начальные требования? ===
Помимо желания научиться чему-либо новому, целеустремленности и нацеленности на результат, необходимо уметь программировать на каком-либо современном объектно-ориентированном языке, используя графические библиотеки для интерфейса (последнему при желании можно обучиться).
Возможные языки:
C++, Qt
C#, WPF
Java, Swing
Python, Tkinter

=== Какие будут использоваться технологии? ===
GIT, 
Task-tracking, 
Стандартные библиотеки, среды разработки, соответствующими выбранному языку.

=== Темы вводных занятий ===
Планирование разработки, введение в GIT и task-tracking, Командная разработки и review code, основы качественного написание кода.
Постановка задачи, задачи обработки текстов, конечные автоматы и регулярные выражения, N-граммы и алгоритмы, связанные с ними.
Методы классификации и кластеризации. Контекстно-свободные грамматики.
Синтаксический и лексический анализ.

=== Направления развития ===
Так как данная область достаточно новая, то и нерешенных задач много. Можно попробовать разработать новые алгоритмы или совершенствовать существующие. Полученные знания можно использовать для применения в новых областях.

=== Критерии оценки ===
Во время разработки ментор будет периодически проводить review кода. 
Обязательная часть: 
• Полное описание работы с программой через командную строку (2 балла), 
• Разработка алгоритма с качеством 75% (2 балла). 
Дополнительная часть: 
• Разработка алгоритма с качеством 80% (+ 1 балл), 
• Разработка алгоритма с качеством 85% (+ 1 балл), 
• Разработка алгоритма с качеством 90% (+ 1 балл), 
• Отчёт, описывающий алгоритм с обоснованием, работу с приложением (+ 2 балла), 
• Графический интерфейс (+ 2 балла).

=== Ориентировочное расписание занятий ===
Уточняется.

Natural Language Processing (автоматическая обработка естественного язык): определение автора текста. (проект)

2016-01-12T10:09:12Z

KirillMalakhov:

{{Карточка_проекта
|name=Natural Language Processing (автоматическая обработка естественного язык): определение автора текста.
|mentor=Кирилл Малахов
|mentor_login={{URLENCODE:KirillMalakhov|WIKI}}
|semester=Весна 2016
|course=1
|summer=
|number_of_students=
|categorize=yes
}}

=== Что это за проект? ===
Одна из современных задач машинного обучения является обработка неструктурированных текстов на естественных языках. Студенту предлагается реализовать приложение, которое после обучения на некоторой тренировочной выборке, с высокой долей вероятности определяет автора предложенного текста. Данная тема очень актуальна в сегодняшние дни, так как используется повсеместно: машинный перевод, информационный поиск, реферирование и аннотация текстов, искусственный интеллект, извлечение информации и т.д.

=== Чему вы научитесь? ===
Студент получит навыки промышленного программирования, а также базовые знания в области обработки тестовой информации на естественных языках, понимание проблем и современные методы и подходы их решения.

=== Какие начальные требования? ===
Помимо желания научиться чему-либо новому, целеустремленности и нацеленности на результат, необходимо уметь программировать на каком-либо современном объектно-ориентированном языке, используя графические библиотеки для интерфейса (последнему при желании можно обучиться).
Возможные языки:
C++, Qt
C#, WPF
Java, Swing
Python, Tkinter

=== Какие будут использоваться технологии? ===
GIT,
Task-tracking,
Стандартные библиотеки, среды разработки, соответствующими выбранному языку.

=== Темы вводных занятий ===
Планирование разработки, введение в GIT и task-tracking, Командная разработки и review code, основы качественного написание кода.
Постановка задачи, задачи обработки текстов, конечные автоматы и регулярные выражения, N-граммы и алгоритмы, связанные с ними.
Методы классификации и кластеризации. Контекстно-свободные грамматики.
Синтаксический и лексический анализ.

=== Направления развития ===
Так как данная область достаточно новая, то и нерешенных задач много. Можно попробовать разработать новые алгоритмы или совершенствовать существующие. Полученные знания можно использовать для применения в новых областях.

=== Критерии оценки ===
Во время разработки ментор будет периодически проводить review кода. 
Обязательная часть: 
• Полное описание работы с программой через командную строку (2 балла), 
• Разработка алгоритма с качеством 75% (2 балла). 
Дополнительная часть: 
• Разработка алгоритма с качеством 80% (+ 1 балл), 
• Разработка алгоритма с качеством 85% (+ 1 балл), 
• Разработка алгоритма с качеством 90% (+ 1 балл), 
• Отчёт, описывающий алгоритм с обоснованием, работу с приложением (+ 2 балла), 
• Графический интерфейс (+ 2 балла).

=== Ориентировочное расписание занятий ===
Уточняется.

Natural Language Processing (автоматическая обработка естественного язык): определение автора текста. (проект)

2016-01-12T10:08:46Z

KirillMalakhov:

{{Карточка_проекта
|name=Natural Language Processing (автоматическая обработка естественного язык): определение автора текста.
|mentor=Кирилл Малахов
|mentor_login={{URLENCODE:KirillMalakhov|WIKI}}
|semester=Весна 2016
|course=1
|summer=
|number_of_students=
|categorize=yes
}}

=== Что это за проект? ===
Одна из современных задач машинного обучения является обработка неструктурированных текстов на естественных языках. Студенту предлагается реализовать приложение, которое после обучения на некоторой тренировочной выборке, с высокой долей вероятности определяет автора предложенного текста. Данная тема очень актуальна в сегодняшние дни, так как используется повсеместно: машинный перевод, информационный поиск, реферирование и аннотация текстов, искусственный интеллект, извлечение информации и т.д.

=== Чему вы научитесь? ===
Студент получит навыки промышленного программирования, а также базовые знания в области обработки тестовой информации на естественных языках, понимание проблем и современные методы и подходы их решения.

=== Какие начальные требования? ===
Помимо желания научиться чему-либо новому, целеустремленности и нацеленности на результат, необходимо уметь программировать на каком-либо современном объектно-ориентированном языке, используя графические библиотеки для интерфейса (последнему при желании можно обучиться).
Возможные языки:
C++, Qt
C#, WPF
Java, Swing
Python, Tkinter

=== Какие будут использоваться технологии? ===
GIT,
Task-tracking,
Стандартные библиотеки, среды разработки, соответствующими выбранному языку.

=== Темы вводных занятий ===
Планирование разработки, введение в GIT и task-tracking, Командная разработки и review code, основы качественного написание кода.
Постановка задачи, задачи обработки текстов, конечные автоматы и регулярные выражения, N-граммы и алгоритмы, связанные с ними.
Методы классификации и кластеризации. Контекстно-свободные грамматики.
Синтаксический и лексический анализ.

=== Направления развития ===
Так как данная область достаточно новая, то и нерешенных задач много. Можно попробовать разработать новые алгоритмы или совершенствовать существующие. Полученные знания можно использовать для применения в новых областях.

=== Критерии оценки ===
Во время разработки ментор будет периодически проводить review кода. 
Обязательная часть:
• Полное описание работы с программой через командную строку (2 балла),
• Разработка алгоритма с качеством 75% (2 балла).
Дополнительная часть:
• Разработка алгоритма с качеством 80% (+ 1 балл),
• Разработка алгоритма с качеством 85% (+ 1 балл),
• Разработка алгоритма с качеством 90% (+ 1 балл),
• Отчёт, описывающий алгоритм с обоснованием, работу с приложением (+ 2 балла),
• Графический интерфейс (+ 2 балла).

=== Ориентировочное расписание занятий ===
Уточняется.

Natural Language Processing (автоматическая обработка естественного язык): определение автора текста. (проект)

2016-01-12T10:07:44Z

KirillMalakhov: Новая страница, с помощью формы Новый_проект

{{Карточка_проекта
|name=Natural Language Processing (автоматическая обработка естественного язык): определение автора текста.
|mentor=Кирилл Малахов
|mentor_login={{URLENCODE:KirillMalakhov|WIKI}}
|semester=Весна 2016
|course=1
|summer=
|number_of_students=
|categorize=yes
}}

=== Что это за проект? ===
Одна из современных задач машинного обучения является обработка неструктурированных текстов на естественных языках. Студенту предлагается реализовать приложение, которое после обучения на некоторой тренировочной выборке, с высокой долей вероятности определяет автора предложенного текста. Данная тема очень актуальна в сегодняшние дни, так как используется повсеместно: машинный перевод, информационный поиск, реферирование и аннотация текстов, искусственный интеллект, извлечение информации и т.д.

=== Чему вы научитесь? ===
Студент получит навыки промышленного программирования, а также базовые знания в области обработки тестовой информации на естественных языках, понимание проблем и современные методы и подходы их решения.

=== Какие начальные требования? ===
Помимо желания научиться чему-либо новому, целеустремленности и нацеленности на результат, необходимо уметь программировать на каком-либо современном объектно-ориентированном языке, используя графические библиотеки для интерфейса (последнему при желании можно обучиться).
Возможные языки:
C++, Qt
C#, WPF
Java, Swing
Python, Tkinter

=== Какие будут использоваться технологии? ===
GIT,
Task-tracking,
Стандартные библиотеки, среды разработки, соответствующими выбранному языку.

=== Темы вводных занятий ===
Планирование разработки, введение в GIT и task-tracking, Командная разработки и review code, основы качественного написание кода.
Постановка задачи, задачи обработки текстов, конечные автоматы и регулярные выражения, N-граммы и алгоритмы, связанные с ними.
Методы классификации и кластеризации. Контекстно-свободные грамматики.
Синтаксический и лексический анализ.

=== Направления развития ===
Так как данная область достаточно новая, то и нерешенных задач много. Можно попробовать разработать новые алгоритмы или совершенствовать существующие. Полученные знания можно использовать для применения в новых областях.

=== Критерии оценки ===
Во время разработки ментор будет периодически проводить review кода.
Обязательная часть:
• Полное описание работы с программой через командную строку (2 балла),
• Разработка алгоритма с качеством 75% (2 балла).
Дополнительная часть:
• Разработка алгоритма с качеством 80% (+ 1 балл),
• Разработка алгоритма с качеством 85% (+ 1 балл),
• Разработка алгоритма с качеством 90% (+ 1 балл),
• Отчёт, описывающий алгоритм с обоснованием, работу с приложением (+ 2 балла),
• Графический интерфейс (+ 2 балла).

=== Ориентировочное расписание занятий ===
Уточняется.