Анализ неструктурированных данных — различия между версиями

Версия 14:03, 12 сентября 2017

О курсе

Курс читается для студентов 3-го и 4-го курсов ПМИ ФКН ВШЭ в 1-2 модулях.

Лекторы: Петр Алексеевич Ромов, Екатерина Леонидовна Черняк

Лекции проходят по вторникам, 15:10 – 16:30 , ауд. 509.

Полезные ссылки

Карточка курса

Репозиторий с материалами на GitHub: https://github.com/HSE-NLP

Сдача домашних заданий по электронной почте: amilinguaHW@gmail.com

telegram: https://t.me/nlp_hse

Семинары

Дата выдачи/сдачи дз

TBA

Система оценок

Результирующая оценка рассчитывается по формуле:

O_{итоговая} = 0.8 * O_накопл + 0.2 * О_экз

Накопленная оценка рассчитывается по формуле:

O_накопл = 0.4 * O_{проект1} + 0.4 * O_{проект2} + 0.2 * (О_дз + О_сем) / 2

Программа

Неделя 1 (4-10 сентября)

Лекция (Е. Черняк): Обзор курса: мастер-классы, кейсы, проекты. Введение в автоматическую обработку текстов. (слайды)

Семинар: Библиотека nltk (слайды и дз) (код с семинара)

Неделя 2 (11-17 сентября)

Лекция (П. Ромов): Форматы данных, способы хранения, принципы работы интернета. Краулинг. Regexp. Unicode. (слайды)

Семинар: Библиотеки lxml, beautifulsoup, scrapy

Рекомендуемые ресурсы

На английском:

• Jurafsky & Martin (link)
• Курс Лауры Каллмайер по МО для АОТ (link)
• Курс Нильса Раймерса по DL для АОТ (link)
• Курс в Оксфорде по DL для АОТ (link)

На русском (и про русский, в основном)

• НКРЯ (link)
• Открытый корпус (link)
• Дистрибутивные семантические модели для русского языка (link)
• Морфология (link)
• Синтаксис (link)
• Томита-парсер (link)
• Все на свете: (mathlingvo), (nlpub)

Используемые библиотеки

1. NLTK (link)
2. pymorphy2 (link)
3. pymystem3 (link)