Компьютерная лингвистика и информационные технологии 2020: различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к навигации Перейти к поиску
← Предыдущая правкаСледующая правка →
дубли убраны
добавлен Инфопоиск
Строка 4: Строка 4:




'''Преподаватели:'''  
<big>'''Преподаватели:'''</big>
* блок Информационный поиск:
 
Дроздова Ксения Андреевна ([https://t.me/ksdrozdova Telegram ])
 
 
* блок Компьютерная лингвистика:
 
Олег Сериков ([mailto:srkvoa@gmail.com Почта], [https://t.me/oserikov Telegram ]),
Олег Сериков ([mailto:srkvoa@gmail.com Почта], [https://t.me/oserikov Telegram ]),
Мария Пономарева ([mailto:ponomarevamawa@gmail.com Почта], [https://t.me/MashPo Telegram ]),
Мария Пономарева ([mailto:ponomarevamawa@gmail.com Почта], [https://t.me/MashPo Telegram ]),
Строка 11: Строка 18:




'''Ассистенты:'''   
<big>'''Ассистенты:'''</big>  
Кирилл Коновалов([mailto:konovalovkirill27@gmail.com Почта], [https://t.me/kirillknv Telegram ]),
Кирилл Коновалов([mailto:konovalovkirill27@gmail.com Почта], [https://t.me/kirillknv Telegram ]),
Дарья Самсонова([mailto:daria2814@gmail.com Почта], [https://t.me/SamsonovaDaria Telegram ])
Дарья Самсонова([mailto:daria2814@gmail.com Почта], [https://t.me/SamsonovaDaria Telegram ])
Строка 17: Строка 24:


== Содержание учебной дисциплины ==
== Содержание учебной дисциплины ==
# Предобработка данных
* Блок “Информационный поиск“
# Базовые понятия машинного обучения, алгоритмы машинного обучения для задач классификации, кластеризации и регрессии
** Введение в информационный поиск, булев поиск, обратный индекс, Okapi BM25, семантический поиск, векторные модели, модель выделения корня слова, основанная на RNN, логирование, добавление в поисковик
# Избранные главы математики для машинного обучения
 
# FFN, CNN, RNN, LSTM
* Блок “Компьютерная лингвистика“
# Sequence-to-sequence, Sequence Tagging, Language Modeling
** Предобработка данных
# Статические эмбеддинги (Word2Vec, FastText)
** Базовые понятия машинного обучения, алгоритмы машинного обучения для задач классификации, кластеризации и регрессии
# Контекстуальные эмбеддинги (BERT, ELMo)
** Избранные главы математики для машинного обучения
** FFN, CNN, RNN, LSTM
** Sequence-to-sequence, Sequence Tagging, Language Modeling
** Статические эмбеддинги (Word2Vec, FastText)
** Контекстуальные эмбеддинги (BERT, ELMo)




==Формула оценки==
==Формула оценки==
0.5 * Домашние задания + 0.1 * Тесты + 0.2 * Экзамен (Модуль 2) + 0.2 * Экзамен (Модуль 3)
'''Промежуточная аттестация (1 модуль)'''
 
0.5 * Блок “Информационный поиск” + 0.5 * Блок “Компьютерная лингвистика”:
 
Блок “Информационный поиск”: 0.7 * Домашние задания + 0.3 * Экзамен (Модуль 1)
 
Блок “Компьютерная лингвистика”: 0.8 * Домашние задания + 0.2 * Тесты
 
'''Промежуточная аттестация (3 модуль)'''
 
0.5 * Домашние задания + 0.1 * Тесты + 0.2 * Промежуточный контроль (Модуль 2) + 0.2 * Экзамен (Модуль 3)
 


==Рекомендованная литература==
==Рекомендованная литература==

Версия от 21:30, 3 сентября 2020

О курсе

Курс читается для бакалавров 4-го курса ФГН в рамках программы "Фундаментальная и компьютерная лингвистика" в 1-3 модулях.


Преподаватели:

  • блок Информационный поиск:

Дроздова Ксения Андреевна (Telegram )


  • блок Компьютерная лингвистика:

Олег Сериков (Почта, Telegram ), Мария Пономарева (Почта, Telegram ), Влад Михайлов (Почта, Telegram )


Ассистенты: Кирилл Коновалов(Почта, Telegram ), Дарья Самсонова(Почта, Telegram )


Содержание учебной дисциплины

  • Блок “Информационный поиск“
    • Введение в информационный поиск, булев поиск, обратный индекс, Okapi BM25, семантический поиск, векторные модели, модель выделения корня слова, основанная на RNN, логирование, добавление в поисковик
  • Блок “Компьютерная лингвистика“
    • Предобработка данных
    • Базовые понятия машинного обучения, алгоритмы машинного обучения для задач классификации, кластеризации и регрессии
    • Избранные главы математики для машинного обучения
    • FFN, CNN, RNN, LSTM
    • Sequence-to-sequence, Sequence Tagging, Language Modeling
    • Статические эмбеддинги (Word2Vec, FastText)
    • Контекстуальные эмбеддинги (BERT, ELMo)


Формула оценки

Промежуточная аттестация (1 модуль)

0.5 * Блок “Информационный поиск” + 0.5 * Блок “Компьютерная лингвистика”:

Блок “Информационный поиск”: 0.7 * Домашние задания + 0.3 * Экзамен (Модуль 1)

Блок “Компьютерная лингвистика”: 0.8 * Домашние задания + 0.2 * Тесты

Промежуточная аттестация (3 модуль)

0.5 * Домашние задания + 0.1 * Тесты + 0.2 * Промежуточный контроль (Модуль 2) + 0.2 * Экзамен (Модуль 3)


Рекомендованная литература

  1. Daniel Jurafsky & James H. Martin. Speech and Language Processing: An introduction to natural language processing, computational linguistics, and speech recognition. Third Edition. https://web.stanford.edu/~jurafsky/slp3/
  2. Николаев И.С., Митренина О.В., Ландо Т.М. (ред.) Прикладная и компьютерная лингвистика. Изд 2. URSS. 2017. 320 с.
  3. Steven Bird, Ewan Klein, Edward Loper. Natural Language Processing with Python. – Analyzing Text with the Natural Language Toolkit. https://www.nltk.org/book/
  4. Christopher D. Manning & Hinrich Schütze. Foundations of Statistical Natural Language Processing. MIT Press, 1999.
  5. Yoav Goldberg. Neural Network Methods for Natural Language Processing (Synthesis Lectures on Human Language Technologies). Edited by Graeme Hirst. Morgan & Claypool 2017
  6. Cборники конференций COLING, ACL, EACL, LREC, EMNLP, NAACL, "Диалог" последних лет
Источник — https://wiki.cs.hse.ru/index.php?title=Компьютерная_лингвистика_и_информационные_технологии_2020&oldid=43288