FI:IA161 NLP in practice - Informace o předmětu

IA161 Natural Language Processing in Practice

Rozsah

1/1/0. 2 kr. (plus ukončení). Ukončení: k.
Vyučováno kontaktně

Vyučující

doc. RNDr. Aleš Horák, Ph.D. (přednášející)
RNDr. Zuzana Nevěřilová, Ph.D. (přednášející)
doc. Mgr. Pavel Rychlý, Ph.D. (pomocník)
RNDr. Miloš Jakubíček, Ph.D. (pomocník)
RNDr. Marek Medveď, Ph.D. (pomocník)
Mgr. Radoslav Sabol (pomocník)
RNDr. Vít Suchomel, Ph.D. (pomocník)

Garance

doc. RNDr. Aleš Horák, Ph.D.
Katedra strojového učení a zpracování dat – Fakulta informatiky
Dodavatelské pracoviště: Katedra strojového učení a zpracování dat – Fakulta informatiky

Rozvrh

St 25. 9. až St 11. 12. St 10:00–11:50 A219

Předpoklady

All students should have basic practical knowledge of programming in Python. Overview knowledge of the natural language processing field at the level of introductory courses such as IB030 Úvod do počítačového zpracování přirozeného jazyka or PA153 Natural Language Processing is expected. The seminar is given in English. Task solutions can be in English, Czech or Slovak.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

předmět má 52 mateřských oborů, zobrazit

Cíle předmětu

The course participants will have the opportunity to learn about, test and experiment with advanced techniques of natural language processing (NLP) and to develop an understanding of the limits of those techniques. The course aims to introduce current research issues, and to meet in practice with particular programming techniques used in language technology applications.

Výstupy z učení

After studying the course, the students will be able to:
- explain a selected NLP problem and list its main aspects;
- implement a basic or intermediate application for complex tasks in language processing, typically for Czech, Slovak, or English;
- create data resources (models, test sets) for a selected NLP problem and evaluate their assets;
- compare selected available tools for complex NLP tasks and apply them to chosen data resources with possible adaptations to particular purposes.

Osnova

• The presented NLP problems will concentrate on practical problems connected with processing human-produced textual data. Particular topics include:
• Opinion mining, sentiment analysis
• Machine translation
• Parsing of Czech: Between Rules and Statistics
• Named Entity Recognition
• Building Language Resources from the Web (effective crawling, boilerplate removal, tokenisation, near duplicates identification)
• Language modelling
• Topic identification, topic modelling
• Extracting structured information from text
• Automatic relation extraction (hypernyms, synonyms, ...)
• Adaptive electronic dictionaries
• Terminology identification (keywords, key phrases)
• Anaphora resolution
• Stylometry
• Automatic language corrections

Literatura

• Dan Jurafsky and James H. Martin. Speech and Language Processing (2020, 3rd ed. draft). https://web.stanford.edu/~jurafsky/slp3/
• J. Eisenstein, Introduction to Natural Language Processing (2019), MIT Press.
• https://www.aclweb.org/anthology/

Výukové metody

Each lecture consists of a one-hour lesson about the theoretical issues connected with a particular NLP problem, and a one-hour practical work in a computer laboratory devoted to the implementation, adaptation and evaluation of the presented techniques on real-world data.

Metody hodnocení

Solving tasks in the practical part of the lecture or in homeworks.

Vyučovací jazyk

Angličtina

Informace učitele

http://nlp.fi.muni.cz/NlpInPracticeCourse
Since autumn 2025 the course code changes from IA161 to IV161 NLP in Practice.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

• Statistika zápisu (nejnovější)
  
• Permalink: https://is.muni.cz/predmet/fi/podzim2024/IA161