Бакалавриат
2026/2027
Машинный анализ текстов
ID 1239823
Статус:
Курс по выбору (Политология)
Кто читает:
Департамент политики и управления
Где читается:
Факультет социальных наук
Когда читается:
4-й курс, 2 модуль
Охват аудитории:
для своего кампуса
Преподаватели:
Шульгинов Валерий Александрович
Язык:
русский
Кредиты:
5
Контактные часы:
40
Программа дисциплины
Аннотация
Курс посвящен методам автоматизированного анализа текстовых данных в научных исследованиях. Программа охватывает основы компьютерной лингвистики, алгоритмы машинного обучения для контент- и семантического анализа, а также практические инструменты NLP: выделение сущностей, анализ тональности и тематическое моделирование. Особое внимание уделено применению больших языковых моделей (LLM) для решения исследовательских задач и автоматизации обработки научных корпусов.
Цель освоения дисциплины
- Сформировать представление о принципах и основных направлениях машинного анализа текстов.
- Показать возможности применения методов машинного анализа текстов в научных исследованиях и практических задачах
Планируемые результаты обучения
- Разбираться в основных методах и инструментах корпусного анализа текстовых данных
- Подбирать корпусные инструменты и методы в соответствии с задачами исследования
- Конструировать поисковые запросы и стратегии анализа для работы с текстовыми корпусами
- Интерпретировать результаты корпусного анализа и использовать их для решения исследовательских задач
- Разбираться в принципах и основных технологиях автоматизированного сбора текстовых данных
- Подбирать инструменты и способы парсинга в соответствии с задачами исследования
- Конструировать запросы и алгоритмы для извлечения и структурирования текстовых данных
- Оценивать качество, полноту и пригодность собранных данных для последующего анализа
- Подбирать методы предобработки в соответствии с задачами анализа и особенностями текстового материала
- Интерпретировать результаты автоматизированного анализа и оценивать их применимость для решения исследовательских задач
- Разбираться в основных возможностях и ограничениях современных ИИ-технологий для работы с текстом
- Формулировать запросы к генеративным моделям в соответствии с задачами создания и анализа текстов
- Оценивать качество, достоверность и исследовательскую применимость результатов, полученных с использованием ИИ-технологий
- Различать основные направления и задачи автоматической обработки текста
- Характеризовать ключевые этапы автоматизированного анализа текстовых данных
- Соотносить исследовательские задачи с подходящими методами автоматической обработки текста
Содержание учебной дисциплины
- Введение в автоматическую обработку текста
- Инструменты и методы корпусного анализа
- Инструменты парсинга текстовых данных
- Предобработка и анализ текстовых данных
- ИИ-технологии в генеративных и исследовательских задачах
Список литературы
Рекомендуемая основная литература
- A corpus linguistic approach to literary language and characterization : Virginia Woolf's The Waves, Balossi, G., 2014
- Aman Kedia, & Mayank Rasu. (2020). Hands-On Python Natural Language Processing : Explore Tools and Techniques to Analyze and Process Text with a View to Building Real-world NLP Applications. Packt Publishing.
- Carnie, A. (2012). Syntax : A Generative Introduction (Vol. 3rd ed). Chichester: Wiley-Blackwell. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=531592
- ChatGPT toolkit for HR recruiters : ready-to-use prompts for the modern recruiter, Hussaini, S., 2023
- Corpus linguistics on the move : exploring and understanding English through corpora, , 2016
- Data Science в действии : пять реальных проектов Python, Апельцин, Л., 2023
- Introduction to natural language processing, Eisenstein, J., 2019
- Machine learning : a probabilistic perspective, Murphy, K. P., 2012
- Natural language processing and information systems : 18th international conference on applications of natural language to information systems, NLDB 2013 Salford, UK, June 19-21, 2013: proceedings, , 2013
- Python crash course : a hands-on, project-based introduction to programming, Matthes, E., 2023
- Speech and language processing. An introduction to natural language processing, computational lin..., Jurafsky, D., 2009
- Ten lectures on quantitative approaches in cognitive linguistics : corpus-linguistic, experimental, and statistical applications, Gries, S. T., 2017
- Transformers for machine learning : a deep dive, Kamath, U., 2022
- Uday Kamath, John Liu, & James Whitaker. (2019). Deep Learning for NLP and Speech Recognition. Springer.
Рекомендуемая дополнительная литература
- Corpus-based research in applied linguistics : studies in honor of doug biber, , 2015
- Extraction and analysis of modal auxiliaries in consecutive clauses from a corpus, Chartrand, R., 2016
- Pandas for everyone : Python data analysis, Chen, D. Y., 2023
- Qualitative text analysis : a guide to methods, practice & using software, Kuckartz, U., 2014
- Speech and language processing : an introduction to natural language processing, computational linguistics, and speech recognition, Jurafsky, D., 2009