Professional Documents
Culture Documents
Przetwarzanie Języka Naturalnego
Przetwarzanie Języka Naturalnego
Informacje podstawowe
1/6
Cele kształcenia dla przedmiotu
zapoznanie studentów z podstawowymi narzędziami przetwarzania tekstu, takimi jak wyrażenia regularne
C2
i odległość Levenshteina
Kierunkowe efekty
Kod Efekty w zakresie Metody weryfikacji
uczenia się
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć
Student poznaje strukturę i symboliczne właściwości języka naturalnego oraz podstawowe metody przetwarzania informacji
przekazywanej przez komunikat językowy
Wykład 30
2/6
Ćwiczenia laboratoryjne 30
Przygotowanie do zajęć 31
Liczba godzin
Łączny nakład pracy studenta
150
Liczba godzin
Liczba godzin kontaktowych
60
Treści programowe
3/6
Wykorzystanie silników wyszukiwania
10. U3 Ćwiczenia laboratoryjne
pełnotekstowego do indeksowania dokumentów.
Informacje rozszerzone
Rodzaj zajęć Sposób weryfikacji i oceny efektów uczenia się Warunki zaliczenia przedmiotu
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki
dopuszczenia do egzaminu
Ocena z laboratorium to średnia z ocen uzyskanych za implementację każdego z ćwiczeń wymienionych w opisie
laboratorium. W przypadku nieobecności na zajęciach student wykonuje ćwiczenie w domu i przestawia prowadzącemu
wynik na konsultacji. Ocena końcowa to średnia z oceny z laboratorium oraz egzaminu.
Nieobecność na zajęciach student może odrobić przychodząc z inną grupą lub na konsultacje.
Zasady udziału w poszczególnych zajęciach, ze wskazaniem, czy obecność studenta na zajęciach jest
obowiązkowa
Wykład: Studenci uczestniczą w zajęciach poznając kolejne treści nauczania zgodnie z syllabusem przedmiotu. Studenci
winni na bieżąco zadawać pytania i wyjaśniać wątpliwości.
4/6
Ćwiczenia laboratoryjne: Studenci wykonują ćwiczenia laboratoryjne zgodnie z materiałami udostępnionymi przez
prowadzącego. Student jest zobowiązany do przygotowania się w przedmiocie wykonywanego ćwiczenia. Zaliczenie zajęć
odbywa się na podstawie zaprezentowania rozwiązania postawionego problemu. Zaliczenie modułu jest możliwe po
zaliczeniu wszystkich zajęć laboratoryjnych.
Literatura
Obowiązkowa
1. D. Jurafsky and J. H. Martin, Speech and Language Processing, Prentice Hall, 2000.
2. C. D. Manning and H. Schutze, Foundations of Statistical Language Processing, MIT, 2000.
Dodatkowa
1. W. Lubaszewski red. Słowniki komputerowe I automatyczna ekstrakcja informacji z tekstu, AGH, 2009.
2. B. Sharp, F. Sèdes, W. Lubaszewski red., Cognitive Approach to Natural Language Processing, ISTE/Elsevier, London
2017.
3. Jacob Devlin, Ming-Wei Chang, Kenton Lee, Kristina Toutanova, BERT: Pre-training of Deep Bidirectional Transformers for
Language Understanding.
Badania i publikacje
Badania
Publikacje
1. A. Smywiński-Pohl, K. Wróbel, K. Lasocki, M. Jungiewicz, Application of character-level language models in the domain of
Polish statutory law [w:] Legal Knowledge and Information Systems.
2. A. Smywiński-Pohl, K. Lasocki, K. Wróbel, M. Strzała, Automatic Construction of a Polish Legal Dictionary with Mappings to
Extra-Legal Terms Established via Word Embeddings, [w:] Proceedings of ICAIL ‘19.
3. M. Jungiewicz, A. Smywinski-Pohl, Towards Textual Data Augmentation for Neural Networkds: synonyms and maximum
loss, Computer Science 20(1) 2019.
4. K. Wróbel, A. Smywiński-Pohl, Contextual Character Embeddings, KUKDM 2019.
5. Godny M., Gatkowska I., Lubaszewski W., A Shortest Path in an Experimentally Built Semantic Network in: B. Sharp, W.
Lubaszewski, F. Sèdes eds. Naturtal Language Processing and Cognitive Science Proceedings 2018, p. 51-62.
6. Kaleta Z. Automatic Pairing of Perfective and Imperfective Verbs in Polish, LTC 2017.
5/6
Kierunkowe efekty uczenia się
Kod Treść
Potrafi projektować i realizować systemy informatyczne oparte na danych, a także konstruować systemy
INF2DS_U01
uczące się
Posługuje się technikami i językami programowania stosowanymi w analizie danych, uczeniu maszynowym i
systemach wykorzystujących metody sztucznej inteligencji; potrafi ocenić przydatność różnych
INF2DS_U03 paradygmatów i związanych z nimi środowisk programistycznych do rozwiązywania problemów analizy
danych i realizacji systemów uczących się; potrafi czytać ze zrozumieniem, pisać, uruchamiać i weryfikować
programy zapisane z użyciem różnych paradygmatów programowania
Rozumie potrzebę i zna możliwości podnoszenia kompetencji swoich i innych osób; potrafi współdziałać i
INF2DS_U07
pracować w grupie, przyjmując w niej różne role
6/6