МОВС Автоматический анализ текстов, NLP (2023-24 уч. год, 6 модуль) — различия между версиями
Строка 24: | Строка 24: | ||
Плейлист курса на YouTube: https://www.youtube.com/playlist?list=PLmA-1xX7IuzBF1THckCvwhkITfhFs8ZB3 | Плейлист курса на YouTube: https://www.youtube.com/playlist?list=PLmA-1xX7IuzBF1THckCvwhkITfhFs8ZB3 | ||
− | GitHub с материалами курса: [[ GitHub repository]] | + | GitHub с материалами курса: [[https://github.com/Combo-Breaker/NLP_course_2023 GitHub repository]] |
{| class="wikitable" | {| class="wikitable" | ||
Строка 34: | Строка 34: | ||
| style="background:#eaecf0;" | '''2''' [[ Запись]] || [[ Ноутбук]] Языковое моделирование. Модель Encoder-Decoder, Механизм внимания и задачи Seq2Seq || 08.11.23 || Машинный перевод || Итоговый тест 5 | | style="background:#eaecf0;" | '''2''' [[ Запись]] || [[ Ноутбук]] Языковое моделирование. Модель Encoder-Decoder, Механизм внимания и задачи Seq2Seq || 08.11.23 || Машинный перевод || Итоговый тест 5 | ||
|- | |- | ||
− | | style="background:#eaecf0;" | '''3''' [[ Запись]] || [[ Ноутбук]] Современные модели, основанные на модели Transformer || 15.11.23 || || | + | | style="background:#eaecf0;" | '''3''' [[ Запись]] || [[ Ноутбук]] Современные модели, основанные на модели Transformer || 15.11.23 || Предобученные языковые модели. Улица Сезам 1. || Итоговый тест 6 |
|- | |- | ||
| style="background:#eaecf0;" | '''4''' [[ Запись]] || [[ Ноутбук]] Few- и zero-shot learning. Использование предобученных языковых моделей для задач классификации и вопросно-ответных систем || 22.11.23 || || | | style="background:#eaecf0;" | '''4''' [[ Запись]] || [[ Ноутбук]] Few- и zero-shot learning. Использование предобученных языковых моделей для задач классификации и вопросно-ответных систем || 22.11.23 || || | ||
Строка 52: | Строка 52: | ||
==Формула оценивания== | ==Формула оценивания== | ||
− | Оценка = 0.3*О<sub>Тесты</sub> + 0.7*О<sub>ДЗ</sub>, где О<sub>Тесты</sub> - средняя оценка по тестам на платформе онлайн-курса, а О<sub>ДЗ</sub> - максимальная из оценок по двум домашним заданиям | + | Оценка = 0.3*О<sub>Тесты</sub> + 0.7*О<sub>ДЗ</sub>, |
+ | где О<sub>Тесты</sub> - средняя оценка по тестам на платформе онлайн-курса, а О<sub>ДЗ</sub> - максимальная из оценок по двум домашним заданиям | ||
== Домашние задания == | == Домашние задания == | ||
− | # Классификация: https://www.kaggle.com/competitions/toxic-comments-classification-2023/overview | + | |
− | # NER (будет выдана после 5-го семинара) | + | Дедлайн по сдаче тестов (всех): 22 декабря |
+ | |||
+ | # ДЗ 1: Классификация: https://www.kaggle.com/competitions/toxic-comments-classification-2023/overview | ||
+ | # ДЗ 2: NER (будет выдана после 5-го семинара) | ||
+ | |||
== Литература == | == Литература == | ||
* Manning, Christopher D., and Hinrich Schütze. Foundations of statistical natural language processing. Vol. 999. Cambridge: MIT press, 1999. | * Manning, Christopher D., and Hinrich Schütze. Foundations of statistical natural language processing. Vol. 999. Cambridge: MIT press, 1999. | ||
* Goldberg, Yoav. "Neural Network Methods for Natural Language Processing." Synthesis Lectures on Human Language Technologies 10, no. 1 (2017): 1-309. | * Goldberg, Yoav. "Neural Network Methods for Natural Language Processing." Synthesis Lectures on Human Language Technologies 10, no. 1 (2017): 1-309. |
Версия 19:19, 8 ноября 2023
Содержание
О курсе
Цель курса - ознакомление студентов с задачами и современными технологиями Natural Language Processing. Планируется ознакомление со статистическими и нейросетевыми подходами в NLP, приобретение навыков их использования в реальных практических задачах.
По завершению программы студенты будут уметь работать с текстовыми данными, знать основные методы предобработки текста и его векторизации. Студенты также должны овладеть современными фреймворками для работы с нейросетевыми моделями, ориентироваться в основных задачах в области обработки текстов: уметь сформулировать задачу, выбрать и реализовать на практике модель для ее решения.
Занятия проводятся в Zoom по средам в 19:40 (за исключением недели 11 - 17 декабря: вместо 13 декабря занятие состоится 15 декабря в 19:40).
Онлайн-курс в дополнение к парам: https://openedu.ru/course/hse/TEXT/
Контакты
Чат курса в TG: https://t.me/+eyYewvjvsEU0NjVi
Преподаватель: Саркисян Вероника Вагановна
Ассистент | Контакты |
---|---|
Артём Никитин | @SHAMPINION |
Андрей Дядюнов | @mr_dyadyunov |
Материалы курса
Плейлист курса на YouTube: https://www.youtube.com/playlist?list=PLmA-1xX7IuzBF1THckCvwhkITfhFs8ZB3
GitHub с материалами курса: [GitHub repository]
Занятие | Тема | Дата | Теоретические материалы на платформе | Тесты |
---|---|---|---|---|
1 Запись | Ноутбук Обработка и аугментация текстов, векторные модели представления текста и задача классификации | 01.11.23 | Темы для повторения: Введение в анализ текстов, базовые методы предобработки и выделения признаков, Неглубокие векторные представления слов | - |
2 Запись | Ноутбук Языковое моделирование. Модель Encoder-Decoder, Механизм внимания и задачи Seq2Seq | 08.11.23 | Машинный перевод | Итоговый тест 5 |
3 Запись | Ноутбук Современные модели, основанные на модели Transformer | 15.11.23 | Предобученные языковые модели. Улица Сезам 1. | Итоговый тест 6 |
4 Запись | Ноутбук Few- и zero-shot learning. Использование предобученных языковых моделей для задач классификации и вопросно-ответных систем | 22.11.23 | ||
5 Запись | Ноутбук Sequence Labeling: POS-теггинг и извлечение именованных сущностей (NER) | 29.11.23 | ||
6 Запись | Ноутбук Тематическое моделирование и модель LDA | 06.12.23 | ||
7 Запись | Ноутбук Синтаксический парсинг предложений | 13.12.23 | ||
8 Запись | Ноутбук | 20.12.23 |
Записи консультаций
Формула оценивания
Оценка = 0.3*ОТесты + 0.7*ОДЗ, где ОТесты - средняя оценка по тестам на платформе онлайн-курса, а ОДЗ - максимальная из оценок по двум домашним заданиям
Домашние задания
Дедлайн по сдаче тестов (всех): 22 декабря
- ДЗ 1: Классификация: https://www.kaggle.com/competitions/toxic-comments-classification-2023/overview
- ДЗ 2: NER (будет выдана после 5-го семинара)
Литература
- Manning, Christopher D., and Hinrich Schütze. Foundations of statistical natural language processing. Vol. 999. Cambridge: MIT press, 1999.
- Goldberg, Yoav. "Neural Network Methods for Natural Language Processing." Synthesis Lectures on Human Language Technologies 10, no. 1 (2017): 1-309.