Бакалавриат 2026/2027

Машинный анализ текстов

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

Цель курса – познакомить слушателей с основами работы в среде Matlab и выработать полезный как при дальнейшем обучении, так и в работе по специальности навык использования программирования для решения исследовательских и прикладных задач. Для освоения учебной дисциплины не требуются компетенции, выходящие за пределы требований к поступающим на программу бакалавриата.

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

Элементы контроля

• Проектная работа
  Проектные работы по каждому разделу курса
• Итоговый проект

Промежуточная аттестация

• 2026/2027 2nd module
  0.3 * Итоговый проект + 0.7 * Проектная работа

Список литературы

Рекомендуемая основная литература

• A corpus linguistic approach to literary language and characterization : Virginia Woolf's The Waves, Balossi, G., 2014
• Alblawi, A. S. (2018). Big Data and Learning Analytics in Higher Education: Demystifying Variety, Acquisition, Storage, NLP and Analytics.
• 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.
• Bjerva, J., Kementchedjhieva, Y., Cotterell, R., & Augenstein, I. (2019). A Probabilistic Generative Model of Linguistic Typology. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsarx&AN=edsarx.1903.10950
• 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
• Hajba G.L. Website Scraping with Python: Using BeautifulSoup and Scrapy / G.L. Hajba, Berkeley, CA: Apress, 2018.
• Hernandez-Suarez, A., Sanchez-Perez, G., Toscano-Medina, K., Martinez-Hernandez, V., Sanchez, V., & Perez-Meana, H. (2018). A Web Scraping Methodology for Bypassing Twitter API Restrictions. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.FA737206
• Introduction to natural language processing, Eisenstein, J., 2019
• Machine learning : a probabilistic perspective, Murphy, K. P., 2012
• Munzert, S. (2014). Automated Data Collection with R : A Practical Guide to Web Scraping and Text Mining. HobokenChichester, West Sussex, United Kingdom: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=878670
• 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
• Seppe vanden Broucke, & Bart Baesens. (2018). Practical Web Scraping for Data Science : Best Practices and Examples with Python. Apress.
• 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.
• Грудева, Е. В. Корпусная лингвистика : учебное пособие / Е. В. Грудева. — 4-е изд., стер. — Москва : ФЛИНТА, 2025. — 165 с. — ISBN 978-5-9765-1497-3. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/504928 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Шунейко, А. А.  Корпусная лингвистика : учебник для вузов / А. А. Шунейко. — Москва : Издательство Юрайт, 2026. — 222 с. — (Высшее образование). — ISBN 978-5-534-13603-6. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/588309 (дата обращения: 02.07.2026).

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

Авторы

• Шульгинов Валерий Александрович
• Богачёв Максим Игоревич