Wierk - Wydział Informatyki, Elektroniczne Ramy Kwalifikacji

Wydział Informatyki
Kierunek studiów	Matematyka Stosowana							Poziom i forma studiów	pierwszego stopnia inżynierskie stacjonarne
Specjalność / Ścieżka dyplomowania	Przedmiot wspólny							Profil kształcenia	praktyczny
Nazwa przedmiotu	Przetwarzanie języka naturalnego							Kod przedmiotu	MAT1PJN
								Rodzaj przedmiotu	obieralny
Forma zajęć i liczba godzin	W	Ć	L	P	Ps	T	S	Semestr	5/6
	15				45			Punkty ECTS	4
Przedmioty wprowadzające
Cele przedmiotu	Zapoznanie z teorią, metodologią, zasobami i narzędziami do przetwarzania języka naturalnego. Zdobycie umiejętności posługiwania się metodami i algorytmami z zakresu przetwarzania języka naturalnego. Do programowania wykorzystane zostaną dostępne specjalistyczne biblioteki oprogramowania (Stanford CoreNLP, OpenNLP, Nltk, spaCy), a podstawowym językiem będzie Python.
Treści programowe	Wykład: 1. Wprowadzenie, historia NLP, wyzwania. 2. Podstawowe narzędzia i techniki przetwarzania tekstu, Sentence Detector, Tokenizer, Named Entity Recognition, Part-of-Speech Tagger, Parser. 3. Wyszukiwanie pełnotekstowe. 4. Uczenie maszynowe w kontekście NLP. Klasyfikacja tekstu. 5. Statystyczne modelowanie języka, rozproszone reprezentacje i wektory osadzeń. 6. Reprezentacja wiedzy lingwistycznej w postaci tezaurusów, słowników. 7. Analiza sentymentu i opinii. 8. Zastosowanie deep learning do przetwarzania języka naturalnego. Pracownia specjalistyczna: 1. Zapoznanie praktyczne z wybranymi narzędziami i technikami przetwarzania języka naturalnego. 2. Realizacja wybranego zadania projektowego wykorzystującego techniki przetwarzania języka naturalnego.
Metody dydaktyczne	wykład problemowy, programowanie z użyciem komputera, metoda projektów,
Forma zaliczenia	Wykład - zaliczenie pisemne. Pracownia specjalistyczna - przygotowanie i obrona projektu programistycznego.
Symbol efektu uczenia się	Zakładane efekty uczenia się								Odniesienie do kierunkowych efektów uczenia się
EU1	zna i rozumie podstawowe pojęcia, problematykę, metody, algorytmy i narzędzia związane z przetwarzaniem języka naturalnego								K_W10 K_W12
EU2	potrafi używać metody i algorytmy związane z przetwarzaniem języka naturalnego do rozwiązywania problemów technicznych								K_U15 K_U16
EU3	potrafi zaprojektować i zaimplementować system oprogramowania wykorzystującey metody i narzędzia przetwarzania języka naturalnego								K_U12 K_U15 K_U16
EU4	posiada umiejętność pracy w grupie 2-3 osobowej nad projektem programistycznym								K_U18
Symbol efektu uczenia się	Sposób weryfikacji efektu uczenia się								Forma zajęć na której zachodzi weryfikacja
EU1	zaliczenie pisemne								W
EU2	przygotowanie i obrona projektu programistycznego								Ps
EU3	przygotowanie i obrona projektu programistycznego								Ps
EU4	przygotowanie i obrona projektu programistycznego								Ps
Bilans nakładu pracy studenta (w godzinach)									Liczba godz.
Wyliczenie
	1 - Udział w wykładach								15
	2 - Udział w pracowni specjalistycznej								45
	3 - Udział w konsultacjach								5
	4 - Przygotowanie do realizacji projektu i realizacja projektu								30
	5 - Przygotowanie do testu zaliczającego wykład								5
RAZEM:									100
Wskaźniki ilościowe									GODZINY	ECTS
Nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela									65 (1)+(2)+(3)	2.6
Nakład pracy studenta związany z zajęciami o charakterze praktycznym									75 (2)+(4)	3.0
Literatura podstawowa	1. D. Li, Y. Liu, eds., Deep learning in natural language processing, Springer, 2018. 2. S. Bird, E. Klein, E. Loper, Natural Language Processing with Python, O'Reilly Media, 2009. 3. Materiały podane przez prowadzącego.
Literatura uzupełniająca	1. W. Lubaszewski, Słowniki komputerowe i automatyczna ekstrakcja informacji z tekstu, UWND AGH, 2009. 2. D. Jurafsky, J.H. Martin, Spech and Language Processing - An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition, Prentice Hall, 2008. 3. Ch.D. Manning, H. Schutze, Foundations of Statistical Natural Language Processing, MIT Press, Cambridge Massachusetts, 1999.
Jednostka realizująca	Katedra Oprogramowania								Data opracowania programu
Program opracował(a)	dr inż. Tomasz Łukaszuk								2021.04.20