Математические методы анализа текстов (курс лекций) / осень 2019

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Программа курса)
(Программа курса: -- даты)
Строка 46: Строка 46:
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 1
| 1
 +
| 2019-09-04
| Введение в область анализа текстов (Natural Language Processing). Обзор основных задач.
| Введение в область анализа текстов (Natural Language Processing). Обзор основных задач.
| [[media:mmta19intro.pdf|слайды]]
| [[media:mmta19intro.pdf|слайды]]
Строка 52: Строка 53:
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 2
| 2
 +
| 2019-09-11
| Предобработка данных. Простейшие модели классификации.
| Предобработка данных. Простейшие модели классификации.
| [https://github.com/mmta-team/mmta_fall_2019/blob/master/02_preprocessing_and_simple_classification/preprocessing_simple_classification.pdf слайды]
| [https://github.com/mmta-team/mmta_fall_2019/blob/master/02_preprocessing_and_simple_classification/preprocessing_simple_classification.pdf слайды]
Строка 58: Строка 60:
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 3
| 3
 +
| 2019-09-18
| Векторные представления слов.
| Векторные представления слов.
| [https://github.com/mmta-team/mmta_fall_2019/blob/master/03_word_embeddings/word_embeddings.pdf слайды]
| [https://github.com/mmta-team/mmta_fall_2019/blob/master/03_word_embeddings/word_embeddings.pdf слайды]
Строка 64: Строка 67:
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 4
| 4
 +
| 2019-09-25
| Задача теггинга последовательности. Условные случайные поля (CRF).
| Задача теггинга последовательности. Условные случайные поля (CRF).
| [[Media:mmta19crf.pdf|слайды]]
| [[Media:mmta19crf.pdf|слайды]]
Строка 70: Строка 74:
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 5
| 5
 +
| 2019-10-02
| Задача теггинга последовательности. Нейросетевые и комбинированные модели для теггинга.
| Задача теггинга последовательности. Нейросетевые и комбинированные модели для теггинга.
| [https://github.com/mmta-team/mmta_fall_2019/blob/master/05_rnn_tagging/rnn_tagging.pdf слайды]
| [https://github.com/mmta-team/mmta_fall_2019/blob/master/05_rnn_tagging/rnn_tagging.pdf слайды]
Строка 76: Строка 81:
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 6
| 6
 +
| 2019-10-09
| Языковое моделирование. Генерация текста на естественном языке.
| Языковое моделирование. Генерация текста на естественном языке.
| [https://github.com/mmta-team/mmta_fall_2019/blob/master/06_language_models/lm.pdf слайды]
| [https://github.com/mmta-team/mmta_fall_2019/blob/master/06_language_models/lm.pdf слайды]
Строка 82: Строка 88:
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 7
| 7
 +
| 2019-10-16
| Sequence-to-sequence, механизмы внимания, трансформеры. Машинный перевод.
| Sequence-to-sequence, механизмы внимания, трансформеры. Машинный перевод.
| [https://github.com/mmta-team/mmta_fall_2019/blob/master/07_machine_translation/mt_attention_transformers.pdf слайды]
| [https://github.com/mmta-team/mmta_fall_2019/blob/master/07_machine_translation/mt_attention_transformers.pdf слайды]
Строка 88: Строка 95:
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 8
| 8
 +
| 2019-10-23
| Глубокие архитектуры представления предложений и документов. Перенос обучения.
| Глубокие архитектуры представления предложений и документов. Перенос обучения.
| [https://github.com/mmta-team/mmta_fall_2019/blob/master/08_transfer_learning/transfer_learning.pdf слайды]
| [https://github.com/mmta-team/mmta_fall_2019/blob/master/08_transfer_learning/transfer_learning.pdf слайды]
Строка 94: Строка 102:
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 9
| 9
 +
| 2019-10-30
| Синтаксический разбор и его применение в практических задачах.
| Синтаксический разбор и его применение в практических задачах.
|
|
Строка 100: Строка 109:
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 10
| 10
 +
| 2019-11-06
| Задача классификации текстов.
| Задача классификации текстов.
|
|
Строка 106: Строка 116:
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 11
| 11
 +
| 2019-11-13
| Тематическое моделирование.
| Тематическое моделирование.
|
|
Строка 112: Строка 123:
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 12
| 12
 +
| 2019-11-20
| Сегментация и суммаризация текстов.
| Сегментация и суммаризация текстов.
|
|
Строка 118: Строка 130:
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 13
| 13
 +
| 2019-11-27
| To be announced
| To be announced
|
|
Строка 124: Строка 137:
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 14
| 14
 +
| 2019-12-04
| To be announced
| To be announced
|
|

Версия 21:31, 26 октября 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)

  • 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

Тема Материалы Д/З
1 2019-09-04 Введение в область анализа текстов (Natural Language Processing). Обзор основных задач. слайды
2 2019-09-11 Предобработка данных. Простейшие модели классификации. слайды
3 2019-09-18 Векторные представления слов. слайды практическое задание 1
4 2019-09-25 Задача теггинга последовательности. Условные случайные поля (CRF). слайды
5 2019-10-02 Задача теггинга последовательности. Нейросетевые и комбинированные модели для теггинга. слайды практическое задание 2
6 2019-10-09 Языковое моделирование. Генерация текста на естественном языке. слайды
7 2019-10-16 Sequence-to-sequence, механизмы внимания, трансформеры. Машинный перевод. слайды
8 2019-10-23 Глубокие архитектуры представления предложений и документов. Перенос обучения. слайды
9 2019-10-30 Синтаксический разбор и его применение в практических задачах.
10 2019-11-06 Задача классификации текстов.
11 2019-11-13 Тематическое моделирование.
12 2019-11-20 Сегментация и суммаризация текстов.
13 2019-11-27 To be announced
14 2019-12-04 To be announced

Страницы прошлых лет

2018 (ФУПМ МФТИ), 2018 (ВМК МГУ)

2017 (ВМК МГУ)

Дополнительные материалы

Литература

Другие курсы по NLP

Личные инструменты