– Bevezetés a szövegbányászatba (NLP)
– Szövegábrázolás
– Nyelvi modellezés
– Szövegosztályozás
– Neurális hálózatok a szövegelemzésben
– Figyelemalapú nyelvi modellezés
https://neptun.elte.hu/MobilityCourses?Faculty=&Programme=&AcademicTerm=&Published=&SearchText=text+mining
A tanfolyam végére a hallgató meg fogja érteni, hogyan működnek a jelenlegi adatelemzési és modellezési technológiák, és képes lesz azokat a valós életbeli helyzetekben alkalmazni, beleértve a nagy adatmennyiségeket is.
A hallgató megismeri a nagy adathalmazok tárolására, feldolgozására és megjelenítésére szolgáló technikákat, valamint a különböző eszközökből álló ökoszisztémák jellemzőit.
A hallgató megismeri az adattudomány főbb alkalmazási területeit, a velük járó kihívásokat, a lehetséges megoldásokat, valamint a kapcsolódó módszerek és technikák korlátait.
A tanuló képes lesz felismerni a különböző adattípusok közötti összefüggéseket, értelmes információkat kinyerni, valamint multidiszciplináris kontextusokban az adatok átalakításával problémákat megoldani.
Ehhez a kurzushoz nincs szükség semmilyen konkrét előfeltételre.
– D. Jurafsky, J. H. Martin: Beszéd- és nyelvfeldolgozás: Bevezetés a természetes nyelvfeldolgozásba, a beszédfelismerésbe és a számítógépes nyelvészetbe (2. kiadás), Prentice-Hall, 2009.
– C. Manning és H. Schütze: A statisztikai természetes nyelvfeldolgozás alapjai, MIT Press. Cambridge, MA: 1999. május.
A kurzus előadásokat, gyakorlati bemutatókat, gyakorlati feladatokat, esettanulmányokat és projektalapú tanulást ötvöz. Az oktatási tevékenységek középpontjában a kulcsfontosságú fogalmak bemutatása, az adatelemzési és modellezési technikák valós példákra való alkalmazása, valamint a hallgatók ösztönzése áll az eredmények értelmezésére és az adatok felhasználásával történő problémamegoldásra. Az aktív tanulás, a vita és a multidiszciplináris együttműködés elősegítése érdekében egyéni és csoportos feladatok is szerepelhetnek a programban.
Tanulmányi eredményekről szóló igazolás