Natural language processing 1000-318bNLP
1. Wprowadzenie, wektory słów
2. Modele podsłowowe
3. Struktura lingwistyczna: parsowanie zależności
4. Rekurencyjne sieci neuronowe i modele językowe
5. Translacja maszynowa, seq2seq i skupianie uwagi
6. Mechanizmy skupiania uwagi
7. Reprezentacje kontekstowe i wstępne trenowanie
8. Systemy dialogowe
9. Generowanie języka naturalnego
10. Odpowiadanie na pytania
11. Uczenie wielozadaniowe
Rodzaj przedmiotu
Wymagania (lista przedmiotów)
Koordynatorzy przedmiotu
W cyklu 2023L: | W cyklu 2024L: |
Efekty kształcenia
Wiedza: student zna i rozumie
* zna metodyki, zagadnienia i techniki oraz narzędzia służące do przetwarzania języka naturalnego [K_W13].
Umiejętności: student potrafi
* potrafi zastosować w praktyce techniki przetwarzania języka naturalnego [K_U16].
Kompetencje społeczne: student jest gotów do
* krytycznej oceny posiadanej wiedzy i odbieranych treści [K_K01];
* uznawania znaczenia wiedzy w rozwiązywaniu problemów poznawczych i praktycznych oraz zasięgania opinii ekspertów w przypadku trudności z samodzielnym * rozwiązaniem problemu [K_K02];
* myślenia i działania w sposób przedsiębiorczy [K_K03].
Kryteria oceniania
Ocena końcowa na podstawie punktów z zadań (programów) zaliczeniowych, egzaminu pisemnego oraz egzaminu ustnego.
Literatura
Dan Jurafsky and James H. Martin. Speech and Language Processing
Jacob Eisenstein. Natural Language Processing
Yoav Goldberg. A Primer on Neural Network Models for Natural Language Processing
Ian Goodfellow, Yoshua Bengio, and Aaron Courville. Deep Learning
Delip Rao and Brian McMahan. Natural Language Processing with PyTorch
Więcej informacji
Więcej informacji o poziomie przedmiotu, roku studiów (i/lub semestrze) w którym się odbywa, o rodzaju i liczbie godzin zajęć - szukaj w planach studiów odpowiednich programów. Ten przedmiot jest związany z programami:
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: