наверх

Анализ текстовых данных

28 сентября - 20 декабря 2020 г.
Старт через 3 дня
16 дней
До конца записи
  • 12 недель

    длительность курса

  • около 5 часов в неделю

    понадобится для освоения

  • 5 зачётных единиц

    для зачета в своем вузе

Онлайн-курс  «Анализ текстовых данных» посвящён обработке текстов методами машинного обучения. В ходе обучения слушатели курса узнают о различных задачах, связанных с анализом текстов, освоят методы предобработки текстовых данных, изучат основные подходы к решению задач на основе классического машинного обучения и глубоких нейронный сетей.

О курсе

Целью курса является изучение подходов к решению основных задач автоматической обработки текстов на основе классического машинного обучения и глубоких нейронный сетей. В ходе курса слушатели освоят методы предобработки текстовых данных и научатся применять на практике основные методы классификации и кластеризации текстов, методы поиска и / или генерации ответа на вопрос и базовые методы машинного перевода.  Слушателям будут предложены тестовые задания на понимание материала, а также практические задания на программирование. 

Курс рассчитан на слушателей, имеющих базовые знания об анализе данных и машинном обучении и готовых освоить одно из наиболее перспективных и активно развивающихся направлений в этих областях. Для эффективного усвоения курса требуется базовое владение языком программирования Python и возможность проводить вычисления на графических процессорах.

Формат

Курс состоит из видеолекций, разбитых на короткие фрагменты от 8 до 15 минут длиной. Каждая лекция сопровождается оцениваемым тестом из 15-20 вопросов. В конце курса слушателей, претендующих на получение сертификата, ждет итоговый экзамен по всем материалам курса. 

Программа курса

1. Введение в анализ текстов, базовые методы предобработки и выделения признаков

2. Неглубокие векторные представления слов

3. Классификация текстов

4. Разметка последовательности

5. Seq2seq, MT, attention, transformer

6. Предобученные языковые модели. Улица Сезам, часть 1

7. Предобученные языковые модели. Улица Сезам, часть 2

8. Синтаксис в рамках грамматики зависимостей

9. Тематическое моделирование

10. Суммаризация и симплификация текстов

11. QA-системы, чат-боты

12. Графы знаний

Саркисян Вероника Вагановна


Должность: Приглашенный преподаватель Департамента больших данных и информационного поиска, Факультет компьютерных наук

Артемова Екатерина Леонидовна

Кандидат технических наук, Доцент
Должность: Доцент Департамента больших данных и информационного поиска, Факультет компьютерных наук