Linguistic Engineering

General data

Course ID:	3800-KOG-MS2-IL
Erasmus code / ISCED:	08.1 The subject classification code consists of three to five digits, where the first three represent the classification of the discipline according to the Discipline code list applicable to the Socrates/Erasmus program, the fourth (usually 0) - possible further specification of discipline information, the fifth - the degree of subject determined based on the year of study for which the subject is intended. / (0223) Philosophy and ethics The ISCED (International Standard Classification of Education) code has been designed by UNESCO.
Course title:	Linguistic Engineering
Name in Polish:	Inżynieria lingwistyczna
Organizational unit:	Faculty of Philosophy
Course groups:	(in Polish) Przedmioty MS2, kognitywistyka, studia stacjonarne, pierwszego stopnia
ECTS credit allocation (and other scores):	(not available) Basic information on ECTS credits allocation principles: the annual hourly workload of the student’s work required to achieve the expected learning outcomes for a given stage is 1500-1800h, corresponding to 60 ECTS; the student’s weekly hourly workload is 45 h; 1 ECTS point corresponds to 25-30 hours of student work needed to achieve the assumed learning outcomes; weekly student workload necessary to achieve the assumed learning outcomes allows to obtain 1.5 ECTS; work required to pass the course, which has been assigned 3 ECTS, constitutes 10% of the semester student load. view allocation of credits
Language:	Polish
Prerequisites (description):	(in Polish) Znajomość podstaw programowania
Short description:	The aim of the course is to present practically used natural language processing methods and techniques for Polish and English, especially linguistically advanced ones.
Full description:	(in Polish) Seminarium dotyczy przetwarzania języka naturalnego. Omówione zostaną fundamentalne wyzwania w pracy z tekstem: ujednoznacznienie morfoskładniowe, ekstrakcja informacji, modele językowe, matematyczna reprezentacja słów, generowanie tekstu. Przedstawiane są najważniejsze metody stosowane do ww. zagadnień - zarówno statystyczne jak i oparte na uczeniu maszynowym. Uczestnicy będą rozwiązywać problemy praktyczne korzystając z środowiska programistycznego, co pozwoli na samodzielną analizę tekstu w przyszłości. Program: 1. Wprowadzenie. Terminologia, historia, zastosowania, paradygmaty. Narzędzia programistyczne: Python, Colab, Git. (1 seminarium) 2. Sztuczne sieci neuronowe przy przetwarzaniu języka naturalnego - geneza, zastosowania. (1-2 seminarium) 3. Językoznawstwo korpusowe, korpusy języka angielskiego, systemy znaczników (tagsety) dla języka angielskiego. Korpusy polskie, system morfosyntaktyczny języka polskiego, polskie systemy znaczników. (1 seminarium) 4. Analizatory morfologiczne, dezambiguatory, tagery. Dezambiguacja morfosyntaktyczna: metody lingwistyczne i statystyczne. (1-2 seminaria) 5. Matematyczna reprezentacja słów. Embeddings. Badanie zależności w reprezentacjach wektorowych. Metody alternatywne do reprezentacji wektorowych. (2-3 seminaria) 6. Modele językowe oparte na N-gramach i sztucznych sieciach neuronowych. Ekstrakcja informacji. (2-3 seminaria) 7. Generowanie tekstu w oparciu o metody statystyczne oraz przy użyciu sieci neuronowych. (1–2 seminaria) 8. Implementacja fragmentów gramatyki języka polskiego. Semantyka w gramatykach. (1-2 seminaria) 9. Etyka w przetwarzaniu języka naturalnego. (1 seminarium)
Bibliography:	(in Polish) Materiały własne oraz wybrane fragmenty monografii: Steven Bird, Ewan Klein i Edward Loper 2016, „Natural Language Processing with Python” (2. wydanie; http://www.nltk.org/book/). Daniel Jurafsky i James H. Martin 2009, „Speech and Language Processing”, Prentice-Hall (2. wydanie).
Learning outcomes:	(in Polish) Nabyta wiedza: - znajomość wybranych technik znakowania morfoskładniowego, w tym technik dezambiguacji interpretacji morfoskładniowych. - znajomość wybranych technik uczenia maszynowego przy pracy analizie tekstu - znajomość wybranych technik matematycznej reprezentacji słów oraz modeli językowych - znajomość wybranych technik generowania tekstu - znajomość wybranych zasobów wykorzystywanych w przetwarzaniu języka naturalnego - znajomość typów i technik przetwarzania składniowego Nabyte umiejętności: - umiejętność implementacji metod uczenia maszynowego dla typowych problemów inżynierii lingwistycznej - umiejętność wyprowadzania reprezentacji semantycznej zdania - umiejętność korzystania ze znakowanych morfosyntaktycznie korpusów - umiejętność ekstrakcji informacji z tekstu Nabyte kompetencje społeczne: - umiejętność analizy korpusów pod kątem zagadnień społecznych
Assessment methods and assessment criteria:	(in Polish) Metody weryfikacji efektów uczenia się: Prace domowe oraz jeden projekt semestralny, w którym są wykorzystane techniki omawiane na zajęciach. Składowe oceny końcowej i ich waga: projekt 80%, prace domowe 20% Semestralna liczba dopuszczalnych nieobecności zajęciach oraz w wypadkach, których to dotyczy, sposoby ich zaliczania: 2 Skala ocen 5! – 95% pkt., 5 (bdb.) – od 90%, 4+ (db. plus) – od 82%, 4 (db.) – od 75%, 3+ (dst. plus) - od 68%, 3 – (dst.) od 60%, 2 – (ndst.) mniej niż 60% Warunki dopuszczenia do poprawy: Projekt złożony w terminie

This course is not currently offered.

Course descriptions are protected by copyright.
Copyright by University of Warsaw.