Математические методы анализа текстов (курс лекций) / осень 2020

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Лекции)
(Правила выставления итоговой оценки)
(11 промежуточных версий не показаны.)
Строка 45: Строка 45:
* хорошо (5, 6, 7) — 3 сданных задания на положительную оценку
* хорошо (5, 6, 7) — 3 сданных задания на положительную оценку
* отлично (8, 9, 10) — 4 сданных задания на положительную оценку
* отлично (8, 9, 10) — 4 сданных задания на положительную оценку
 +
 +
Если после сдачи экзамена студенту не хватает баллов на положительную оценку, он отправляется на "пересдачу". Студент должен досдать домашние задания, которые он не сдавал в течение семестра, чтобы набрать баллы для получения минимальной удовлетворительной оценки. Домашние задания проверяются без учёта штрафа.
===Правила сдачи экзамена ===
===Правила сдачи экзамена ===
-
TBA
+
Программа экзамена находится здесь: [https://github.com/mmta-team/mmta_fall_2020/blob/master/exam_program.pdf программа]
==Программа курса==
==Программа курса==
Строка 141: Строка 143:
| [https://github.com/mmta-team/mmta_fall_2020/blob/master/07_transfer_learning/slides_transfer_learning.pdf слайды]
| [https://github.com/mmta-team/mmta_fall_2020/blob/master/07_transfer_learning/slides_transfer_learning.pdf слайды]
| [https://www.youtube.com/watch?v=_WBbB4RVe60&list=PLVF5PzSHILHRQO45w7fEqmy7t9xWUGfB-&index=10 видео]
| [https://www.youtube.com/watch?v=_WBbB4RVe60&list=PLVF5PzSHILHRQO45w7fEqmy7t9xWUGfB-&index=10 видео]
-
|
+
| [https://github.com/mmta-team/mmta_fall_2020/tree/master/tasks/03_transfer_learning задание по берту]
<!-- Конец занятия -->
<!-- Конец занятия -->
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
Строка 155: Строка 157:
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 9
| 9
-
| 3.11
+
| 03.11
| Тематическое моделирование и его приложения.
| Тематическое моделирование и его приложения.
| [https://github.com/mmta-team/mmta_fall_2020/blob/master/09_topic_modeling/tm_slides.pdf слайды]
| [https://github.com/mmta-team/mmta_fall_2020/blob/master/09_topic_modeling/tm_slides.pdf слайды]
| [https://www.youtube.com/watch?v=-qvYF6oUxsI&feature=youtu.be видео]
| [https://www.youtube.com/watch?v=-qvYF6oUxsI&feature=youtu.be видео]
-
|
+
| [https://github.com/mmta-team/mmta_fall_2020/tree/master/tasks/04_topic_modeling задание по тем. моделированию]
<!-- Конец занятия -->
<!-- Конец занятия -->
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 10
| 10
-
| ???
+
| 11.11
-
| Синтаксический разбор и его применение в практических задачах.
+
|
 +
Диалоговые и вопросно-ответные системы.
-
|
+
| [https://github.com/mmta-team/mmta_fall_2020/blob/master/10_dialog_and_qa/dialog_qa_slides.pdf слайды]
-
|
+
| [https://www.youtube.com/watch?v=ILsna6L71DU&list=PLVF5PzSHILHRQO45w7fEqmy7t9xWUGfB-&index=13 видео]
|
|
<!-- Конец занятия -->
<!-- Конец занятия -->
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 11
| 11
-
| ???
+
| 17.11
-
| Информационный поиск.
+
| Синтаксический разбор и его применение в практических задачах.
-
NLP в рекомендательных системах.
+
| [https://github.com/mmta-team/mmta_fall_2020/blob/master/11_syntax/syntax_slides.pdf слайды]
-
 
+
| [https://www.youtube.com/watch?v=qvLkJ_CDJZE&list=PLVF5PzSHILHRQO45w7fEqmy7t9xWUGfB-&index=14 видео]
-
|
+
-
|
+
|
|
<!-- Конец занятия -->
<!-- Конец занятия -->
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 12
| 12
-
| ???
+
| 24.11
-
| Диалоговые и вопросно-ответные системы.
+
| Информационный поиск.
-
|
+
NLP в рекомендательных системах.
-
|
+
| [https://github.com/mmta-team/mmta_fall_2020/blob/master/12_search_and_recommendations/search_recsys_slides.pdf слайды]
-
|
+
| [https://www.youtube.com/watch?v=mVCKWbEbBY8&list=PLVF5PzSHILHRQO45w7fEqmy7t9xWUGfB-&index=15 видео]
 +
| [https://github.com/mmta-team/mmta_fall_2020/tree/master/tasks/05_generation задание по генерации]
<!-- Конец занятия -->
<!-- Конец занятия -->
|- <!-- Новое занятие -->
|- <!-- Новое занятие -->
| 13
| 13
-
| ???
+
| 01.12
-
| TBA
+
| Автоматическая суммаризация текстов.
-
|
+
| [https://github.com/mmta-team/mmta_fall_2020/blob/master/13_summarization/summarization_slides.pdf слайды]
-
|
+
| [https://www.youtube.com/watch?v=Y2AUbER2FsE&list=PLVF5PzSHILHRQO45w7fEqmy7t9xWUGfB-&index=16 видео]
|
|
<!-- Конец занятия -->
<!-- Конец занятия -->
-
|- <!-- Новое занятие -->
 
-
| 14
 
-
| ???
 
-
| TBA
 
-
 
-
|
 
-
|
 
-
|
 
-
<!-- Конец занятия -->
 
-
 
-
 
|}
|}
Строка 256: Строка 247:
==Страницы прошлых лет==
==Страницы прошлых лет==
-
[[Математические методы анализа текстов (курс лекций) / осень 2019 | 2019]]
+
* [[Математические методы анализа текстов (курс лекций) / осень 2019]] ВМК & МФТИ
-
 
+
* [[Математические методы анализа текстов (курс лекций, К.В.Воронцов, А.А.Потапенко)]] — 2018 (ФУПМ МФТИ)
-
[[Математические методы анализа текстов (курс лекций, К.В.Воронцов, А.А.Потапенко) | 2018 (ФУПМ МФТИ)]], [[Математические методы анализа текстов (ВМиК МГУ) / 2018 | 2018 (ВМК МГУ)]]
+
* [[Математические методы анализа текстов (ВМиК МГУ) / 2018]] — 2018 (ВМК МГУ)
-
 
+
* [[Математические методы анализа текстов (ВМиК МГУ) / 2017]] — 2017 (ВМК МГУ)
-
[[Математические методы анализа текстов (ВМиК МГУ) / 2017 | 2017 (ВМК МГУ)]]
+
==Дополнительные материалы==
==Дополнительные материалы==

Версия 08:00, 8 января 2021

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.

Содержание

Объявления

Нет

Контакты

  • В этом семестре занятия будут проводиться онлайн в TBA
  • По всем конструктивным вопросам пишите в telegram-чат
  • Репозиторий со всеми материалами: ссылка
  • Постоянная ссылка для просмотра лекций в Zoom: ссылка

Правила сдачи курса

  • В курсе будет 5 практических задания по 10 баллов без учёта бонусов.
  • В конце курса — устный экзамен, оцениваемый по 10-ти балльной шкале.
  • По всем заданиям мягкий дедлайн, за 1 день штрафа назначается штраф 1 балл.
  • За любой найденный плагиат задание обнуляется у всех студентов с найденным плагиатом. При повторном обнаружении плагиата могут следовать более жёсткие санкции. Плагиатом считается явное заимствование кода у другого студента или из открытых источников без указания источника.

Правила выставления итоговой оценки

Студенты, набравшие за практические задания больше 50 баллов, получают автоматом максимальную оценку. Для остальных итоговая оценка по 10-ти балльной шкале вычисляется по следующей формуле:

round(0.7 \times D / 5 + 0.3 \times E) \times \mathbb{I}[E >= 3] , где

D — оценка за дз, E — оценка за экзамен, round — математическое округление.

Есть дополнительные условия для получения каждой из оценок:

  • удовлетворительно (3, 4) — 2 сданных задания на положительную оценку
  • хорошо (5, 6, 7) — 3 сданных задания на положительную оценку
  • отлично (8, 9, 10) — 4 сданных задания на положительную оценку

Если после сдачи экзамена студенту не хватает баллов на положительную оценку, он отправляется на "пересдачу". Студент должен досдать домашние задания, которые он не сдавал в течение семестра, чтобы набрать баллы для получения минимальной удовлетворительной оценки. Домашние задания проверяются без учёта штрафа.

Правила сдачи экзамена

Программа экзамена находится здесь: программа

Программа курса

Лекции

Дата Тема Материалы Видео Д/З
1 02.09 Организация курса, правила игры.

Введение в обработку текстов (Natural Language Processing).

Предобработка, выделение признаков и классификация .

презентация (организация)

презентация (введение)

видео (организация)

видео (введение)

2 09.09 Векторные представления слов презентация видео задание по эмбеддингам
3 15.09 Задача разметки последовательностей (tagging). Примеры задач.

Модель Linear-CRF, её упрощения и обобщения.

презентация видео
4 23.09

Модели рекуррентных нейронных сетей: RNN, LSTM.

Применение LSTM для разметки последовательности.

слайды видео задание по разметке
5 30.09 Машинный перевод. Подход Sequence-to-sequence.

Механизм внимания в подходе sequence-to-sequence.

Архитектура transformer.

слайды видео
6 13.10 Задача языкового моделирования.

Статистические и нейросетевые языковые модели.

Задача генерации естественного языка.

слайды видео
7 20.10 Контекстуальные векторные представления слов.

Transfer learning в NLP.

Модель BERT и её модификации.

слайды видео задание по берту
8 28.10 Задача классификации текстов.

Дизайн индустриальной ML-системы.

слайды видео
9 03.11 Тематическое моделирование и его приложения. слайды видео задание по тем. моделированию
10 11.11

Диалоговые и вопросно-ответные системы.

слайды видео
11 17.11 Синтаксический разбор и его применение в практических задачах. слайды видео
12 24.11 Информационный поиск.

NLP в рекомендательных системах.

слайды видео задание по генерации
13 01.12 Автоматическая суммаризация текстов. слайды видео

Семинары

Дата Тема Материалы Видео Д/З
1 16.09 Введение в нейросети. Библиотека pytorch. записи (нейросети)

ноутбук (pytorch)

ноутбук (cbow на pytorch)

видео
2 06.10 Разбор первого практического задания. слайды видео
3 21.10 Разбор второго практического задания. конспект

записи

видео


Страницы прошлых лет

Дополнительные материалы

Литература

Другие курсы по NLP

Личные инструменты