Образовал

Анализ текстовых данных

Сложность
Сложность
Продвинутый
Тип обучения
Тип обучения
Курс
Формат обучения
Формат обучения
С проверкой домашнего задания
Трудоустройство
Трудоустройство
Отсутствует
Зач. единицы
Зач. единицы
5
Сертификат
Сертификат
Да
Стоимость курса
бесплатно
нет рассрочки

Онлайн-курс посвящён обработке текстов методами машинного обучения. В ходе обучения слушатели курса узнают о различных задачах, связанных с анализом текстов. Целью курса является изучение подходов к решению основных задач автоматической обработки текстов на основе классического машинного обучения и глубоких нейронный сетей. В ходе курса слушатели освоят методы предобработки текстовых данных и научатся применять на практике основные методы классификации и кластеризации текстов, методы поиска и / или генерации ответа на вопрос и базовые методы машинного перевода. Слушателям будут предложены тестовые задания на понимание материала, а также практические задания на программирование. 

Курс рассчитан на слушателей, имеющих базовые знания об анализе данных и машинном обучении и готовых освоить одно из наиболее перспективных и активно развивающихся направлений в этих областях. Для эффективного усвоения курса требуется базовое владение языком программирования Python и возможность проводить вычисления на графических процессорах.

Что вы получите после обучения
Приобретаемые навыки
1
Python
3
Машинное обучение
5
Анализ данных
6
Редактура
7
Анализ
8
ORM
9
Графы
10
программирование
Вас будут обучать
Аналитик данных

Начала работать в НИУ ВШЭ в 2017 году. Преподает курсы по цифровой грамотности, анализу текстов и инструментам и методам работы с большими массивами текстовой информации.Профессиональные интересы: анализ больших данных Образование 2018 Бакалавриат: Национальный исследовательский университет «Высшая школа экономики», специальность «Прикладная математика и информатика»

Должность: Приглашенный преподаватель Департамента больших данных и информационного поиска, Факультет компьютерных наук
Кандидат технических наук, Доцент Должность: Доцент Департамента больших данных и информационного поиска, Факультет компьютерных наук
Начала работать в НИУ ВШЭ в 2010 году. Научный сотрудник Научно-учебной лаборатории моделей и методов вычислительной прагматики, Факультет компьютерных наук. Преподает курсы по анализу текстов, анализу неструктурированных данных и исследовательским проблема в обработке естественного языка.Профессиональные интересы: машинное обучение анализ данных автоматическая обработка текста корпусная лингвистика визуализация текстов Образование 2016 Кандидат технических наук: специальность 05.13.18 Математическое моделирование, численные методы и комплексы программ, тема диссертации: Разработка вычислительных методов анализа текстов с использованием аннотированных суффиксных деревьев Аспирантура: Национальный исследовательский университет «Высшая школа экономики», факультет: Отделение прикладной математики и информатики 2012 Магистратура: Национальный исследовательский университет «Высшая школа экономики», специальность «Прикладная математика и информатика» 2010 Бакалавриат: Государственный университет – Высшая школа экономики, факультет: Отделение прикладной математики и информатики, специальность «Математическое моделирование»   Награды и достижения Благодарность Факультета компьютерных наук НИУ ВШЭ (август 2017) Надбавка за академическую работу (2017-2018, 2015-2016) Надбавка за статью в зарубежном рецензируемом научном издании (2016-2017) Группа высокого профессионального потенциала (кадровый резерв НИУ ВШЭ) Категория "Новые исследователи" (2013) Номинант премии "Золотая Вышка" – 2013 (Номинация «Успех выпускника в академической деятельности»)
Владельцы курса

Национальный исследовательский университет «Высшая школа экономики» — исследовательский университет, осуществляющий свою миссию через научно-образовательную, проектную, экспертно-аналитическую и социокультурную деятельности на основе международных научных и организационных стандартов.

Мы осознаем себя частью мирового академического сообщества, считаем международное партнерство, вовлеченность в глобальное университетское взаимодействие ключевыми элементами нашего движения вперед. Будучи российским университетом, мы работаем на благо России и ее граждан.

Наш университет — это коллектив ученых, сотрудников, аспирантов и студентов, которых отличает внутренняя приверженность к поддержанию высоких академических стандартов своей деятельности. Мы стремимся обеспечить наиболее благоприятные условия для развития каждого члена нашего коллектива. 

Наши ценности:

  • Стремление к истине
  • Сотрудничество и заинтересованность друг в друге
  • Честность и открытость
  • Академическая свобода и политический нейтралитет
  • Профессионализм, требовательность к себе и ответственность
  • Активная общественная позиция

Сегодня Высшая школа экономики — это:

  • 4 КАМПУСА: МОСКВА, САНКТ-ПЕТЕРБУРГ, НИЖНИЙ НОВГОРОД, ПЕРМЬ
  • ~7000ПРЕПОДАВАТЕЛЕЙ И ИССЛЕДОВАТЕЛЕЙ
  • 50 400+СТУДЕНТОВ
  • 100 800ВЫПУСКНИКОВ

Новый элемент системы российского образования — открытые онлайн-курсы — cможет перезачесть любой университет. Мы делаем это реальной практикой, расширяя границы образования для каждого студента. Полный набор курсов от ведущих университетов. Мы ведём системную работу по созданию курсов для базовой части всех направлений подготовки, обеспечивая удобное и выгодное для любого университета встраивание курса в свои образовательные программы
«Открытое образование» – это образовательная платформа, предлагающая массовые онлайн-курсы ведущих российских вузов, которые объединили свои усилия, чтобы предоставить возможность каждому получить качественное высшее образование.

Любой пользователь может совершенно бесплатно и в любое время проходить курсы от ведущих университетов России, а студенты российских вузов смогут засчитать результаты обучения в своем университете.

Программа курса

1. Введение в анализ текстов, базовые методы предобработки и выделения признаков

2. Неглубокие векторные представления слов

3. Классификация текстов

4. Разметка последовательности

5. Seq2seq, MT, attention, transformer

6. Предобученные языковые модели. Улица Сезам, часть 1

7. Предобученные языковые модели. Улица Сезам, часть 2

8. Синтаксис в рамках грамматики зависимостей

9. Тематическое моделирование

10. Суммаризация и симплификация текстов

11. QA-системы, чат-боты

12. Графы знаний

Рейтинг
4.2
рейтинг
0
0
0
0
0
обновлено 25.09.2022 23:35
Анализ текстовых данных
Оставить отзыв
Поделиться курсом с друзьями