2025/2026

Анализ текстов. Генеративные модели

Статус: Маго-лего

Кто читает: Базовая кафедра ПАО Сбербанк «Финансовые технологии и анализ данных»

Где читается: Факультет компьютерных наук

Когда читается: 1, 2 модуль

Охват аудитории: для своего кампуса

Преподаватели: Малов Эдуард Эдуардович

Язык: русский

Кредиты: 6

Контактные часы: 56

Программа дисциплины

Аннотация

Дисциплина формирует у студентов комплексные знания и практические навыки в области обработки естественного языка (NLP) на стыке современных методов машинного обучения, статистики и глубокого обучения. Курс охватывает спектр технологий — от классических алгоритмов анализа текста до передовых подходов, включая работу с большими языковыми моделями (LLM) и мульти-агентными системами. Программа нацелена на решение прикладных задач: разработку интеллектуальных сервисов, а также освоение инструментов для сбора, хранения, поиска и анализа текстовой информации для эффективного применения в IT и смежных областях.

Цель освоения дисциплины

• Изучение методов классического и нейросетевого NLP, формирование навыков работы с большими языковыми моделями (LLM), решение задач поиска, извлечения, понимания и генерации текстовой информации, создание и использование инструментов и платформ для анализа текстов.

Планируемые результаты обучения

• Знание основных понятий, этапов и задач анализа текстов на естественном языке
• Умение применять формальные, статистические и нейросетевые методы анализа текста
• Понимание архитектуры современных больших языковых моделей
• Умение разрабатывать и обучать системы классификации, тематического моделирования, Q&A и информационного поиска
• Умение проектировать, реализовывать и оценивать интеллектуальные чат-боты и мультиагентные системы на базе LLM

Содержание учебной дисциплины

• Введение в обработку естественного языка и задачи анализа текста
• Методы сбора и хранения данных
• Частотный анализ текстов
• Морфологический, синтаксический и лексический анализ
• Векторная модель
• Классификация текстов
• Языковое моделирование
• Трансформеры. Большие языковые модели
• Информационный поиск. Вопросно-ответные системы
• Промпт-инжиниринг
• Агентные и мультиагентные системы

Элементы контроля

• Групповой проект №1
  Разработка сервиса по детекции юридических ссылок
• Групповой проект №2
  Разработка телеграмм-бота, агрегирующего новостную ленту по заданным тематикам и ключевым словам
• Групповой проект №3
  Разработка QA LLM-агента
• Экзамен
  Устный экзамен в форме ответа на вопросы из билетов. Для подготовки к ответу студенту дается не более 15 минут

Промежуточная аттестация

• 2025/2026 2nd module
  0.2 * Групповой проект №1 + 0.25 * Групповой проект №2 + 0.25 * Групповой проект №3 + 0.3 * Экзамен

Список литературы

Рекомендуемая основная литература

• Speech and language processing, Jurafsky, D., 2014

Рекомендуемая дополнительная литература

• Yang Liu, & Meng Zhang. (2018). Neural Network Methods for Natural Language Processing. Computational Linguistics, (1), 193. https://doi.org/10.1162/COLI_r_00312

Авторы

• Минец Максим Вячеславович
• Яковлева Илона Александровна