Математические методы анализа текстов (курс лекций) / осень 2019

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Программа курса)
(Программа курса)
Строка 134: Строка 134:
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 12
| 12
-
| ???
+
| 2019-12-10
| 2019-11-20
| 2019-11-20
| Сегментация и суммаризация текстов.
| Сегментация и суммаризация текстов.
Строка 142: Строка 142:
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 13
| 13
-
| 2013-12-03
+
| 2019-12-03
-
| 2013-12-04
+
| 2019-12-04
| Вопросно-ответные системы.
| Вопросно-ответные системы.
| [https://github.com/mmta-team/mmta_fall_2019/blob/master/13_chatbots_question_answering/chatbots_question_answering.pdf слайды]
| [https://github.com/mmta-team/mmta_fall_2019/blob/master/13_chatbots_question_answering/chatbots_question_answering.pdf слайды]

Версия 08:21, 4 декабря 2019

Содержание

В курсе рассматриваются основные задачи и математические методы обработки естественного языка.

Курс читается:

От студентов требуются знание курса машинного обучения, основ глубинного обучения, а также языка программирования Python.

Контакты

  • На ВМК занятия проходят в аудитории 72 по вторникам, начало в 10:30
  • В ФИЦ ИУ РАН занятия по средам, начало в 16:10
  • По всем конструктивным вопросам пишите в telegram-чат
  • Репозиторий со всеми материалами: ссылка
  • Короткая ссылка на страницу курса: ссылка

Правила сдачи курса

  • В рамках курса предполагается четыре практических задания и экзамен.
  • Практические задания сдаются в систему anytask (инвайт у преподавателя). Срок выполнения каждого задания — 2 недели. За каждое задание можно получить до 10-ти баллов. За каждый день просрочки назначается штраф 1 балл. Основной язык выполнения заданий — Python 3.
  • Все практические задания выполняются самостоятельно. Любые работы, содержащие плагиат, оцениваются в 0 баллов.
  • Правила сдачи экзамена появятся позднее.

Правила выставления итоговой оценки

X_e — оценка за экзамен по 10-ти балльной шкале, X_d — суммарная оценка студента за практические задания, X_{max} — максимальная оценка за практические задания (без учёта бонусов, это 30 баллов)

  • Если X_d / X_{max} \geq 1 — максимальная оценка автоматом
  • Если X_d / X_{max} < 0.125 — пересдача автоматом
  • Иначе, оценка в 10-ти балльной шкале вычисляется как  X_e + round(8 X_d / X_{max} - 4.5)
  • Для ВМК и МАИ: 3-4 — оценка удовлетворительно, 5-7 — оценка хорошо, 8-10 — оценка отлично
  • Правила выставления оценки на пересдаче будут обговариваться отдельно в конце курса

Программа курса

МГУ МФТИ Тема Материалы Д/З
1 2019-09-03 2019-09-05 Введение в область анализа текстов (Natural Language Processing). Обзор основных задач. слайды
2 2019-09-03 2019-09-11 Предобработка данных. Простейшие модели классификации. слайды
3 2019-09-10 2019-09-18 Векторные представления слов. слайды практическое задание 1
4 2019-09-24 2019-09-25 Задача теггинга последовательности. Условные случайные поля (CRF). слайды
5 2019-10-01 2019-10-02 Задача теггинга последовательности. Нейросетевые и комбинированные модели для теггинга. слайды практическое задание 2
6 2019-10-08 2019-10-09 Языковое моделирование. Генерация текста на естественном языке. слайды
7 2019-10-15 2019-10-16 Sequence-to-sequence, механизмы внимания, трансформеры. Машинный перевод. слайды
8 2019-10-22 2019-10-23 Глубокие архитектуры представления предложений и документов. Перенос обучения. слайды практическое задание 3
9 2019-11-05 2019-11-06 Задача классификации текстов. слайды
10 2019-11-05 2019-11-13 Тематическое моделирование. слайды практическое задание 4
11 2019-11-12 2019-11-27 Синтаксический разбор и его применение в практических задачах. слайды
12 2019-12-10 2019-11-20 Сегментация и суммаризация текстов. слайды
13 2019-12-03 2019-12-04 Вопросно-ответные системы. слайды

Страницы прошлых лет

2018 (ФУПМ МФТИ), 2018 (ВМК МГУ)

2017 (ВМК МГУ)

Дополнительные материалы

Литература

Другие курсы по NLP

Личные инструменты