МОВС Автоматический анализ текстов, NLP (2023-24 уч. год, 6 модуль)
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 ... в ...
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 | Ссылки |
|---|---|---|---|
| 1 Запись | Ноутбук Обработка и аугментация текстов, векторные модели представления текста и задача классификации | 01.11.23 | |
| 2 Запись | Ноутбук Языковое моделирование. Модель Encoder-Decoder, Механизм внимания и задачи Seq2Seq | 08.11.23 | |
| 3 Запись | Ноутбук Современные модели, основанные на модели Transformer | 15.11.23 | |
| 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
- Классификация (будет выдана после 1-го занятия)
- 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.
