Työn ohjelma: Analyysi rakenteettomista tiedoista

Liittovaltion valtion budjettirahoitteinen korkeakoulutuslaitos Moskovan valtionyliopisto, M.V. Lomonosovin nimi Laskennallisen matematiikan ja kybernetiikan tiedekunta

HYVÄKSYÄÄ dekaani Laskennallisen matematiikan ja kybernetiikan tiedekunnasta ___________/I.A. Sokolov / „” _____________20

TYÖN OHJELMA AINEESTA

Aineen nimi: Rakenteettomien tietojen analyysi
Korkeakoulutason taso: kandidaatti
Koulutuksen suuntaus / erikoisala: 01.03.02 "Sovellettu matematiikka ja tietojenkäsittelytiede" (3++)
Suuntaus (profiili): Järjestelmäohjelmointi ja tietojenkäsittelytieteet
Opetustapa: lähiopetus

Moskova 2023

Työohjelma on kehitetty Moskovan valtionyliopiston itsenäisesti määrittelemän koulutusstandardin (MGU koulutusstandardi) mukaan, joka koskee korkeakoulutason koulutusohjelmia suuntautumiselle 01.03.02, 01.04.02 "Sovellettu matematiikka ja tietojenkäsittelytiede" kandidaattiohjelmassa. Hyväksytty Moskovan valtionyliopiston määräyksellä 30. elokuuta 2019 nro 1041 (muutettu määräyksillä 11. syyskuuta 2019 nro 1109, 10. kesäkuuta 2021 nro 609, 7. lokakuuta 2021 nro 1048, 21. joulukuuta 2021 nro 1404, 2. marraskuuta 2022 nro 1299).

1. AINEEN (MODUULIN) SIJAINTI KORKEAKOULUTUKSEN KESKUSRANKKIEN RAKENTEESSA: Aine kuuluu korkeakoulutuksen oppimissuunnitelman valinnaisiin osiin.

2. AINEEN TAVOITTEET JA TEHTÄVÄT:
   

   Aineen "Rakenteettomien tietojen analyysi" pääasiallinen tavoite on opettaa rakenteettomien tietojen (tekstien ja kuvien) automaattisen käsittelyn perusperiaatteet, mikä tarkoittaa taitojen kehittämistä asianmukaisessa ohjelmistossa ja tietoaineistoissa työskentelyyn. Aine on suunniteltu käytännönläheiseksi kurssiksi, joka tukee koneoppimisen virtaavaa kurssia. Aineessa käsitellään pääasiassa tekstidatan analyysiin liittyviä tehtäviä. Opiskellaan luonnollisen kielen tekstien käsittelyn päävaiheet ja työkalut, mukaan lukien tilastollinen analyysi ja kielimallit. Lisäksi tarkastellaan perus- ja nykyaikaisia neuroverkkorakenteita. Kurssi esittelee koneoppimismenetelmien, mukaan lukien neuroverkot, soveltamista erilaisten käytännön tietoanalyysitehtävien ratkaisemiseksi (esimerkiksi luokittelu, klusterointi, tekstin generointi jne.). Teoreettinen materiaali vahvistetaan käytännön seminaarien ja kotitehtävien avulla.

3. AINEEN OPINNOSSA SAAVUTETTAVAT TULOKSET (MODUULI):

Suunnitellut oppimistulokset aineesta (moduulista):

• Tavoitteet ja osaamisen mittarit.

• Kompetenssit ja saavutettavat osaamistavoitteet:

UK-2. Kyky käyttää luontaisia luonnontieteellisiä käsitteitä ja menetelmiä ammatillisessa toiminnassa.

• UK-2.3 – Kyky valita ratkaisumenetelmiä ammatillisten ongelmien ratkaisemiseksi teoreettisten tietojen pohjalta.
  Ymmärtää rakenteettomien tietojen erityispiirteet. Tuntee tietomallien rakentamisen lähestymistavat ja perusperiaatteet luonnollisten kielten tekstien tason- ja tilastollisen analyysin kannalta. Tuntee koneoppimismenetelmät, mukaan lukien neuroverkot, ja nykyaikaiset kielimallit, joita käytetään tekstien analyysissä.

OPK-2. Kyky soveltaa ja mukauttaa olemassa olevia matemaattisia ja tietojenkäsittelymenetelmiä käytännön ongelmien ratkaisemiseksi.

• OPK-2.1. Valitsee tietokone-/supertietokonesovellukset ammatillisten tehtävien ratkaisemiseksi.

• OPK-2.2. Käyttää nykyaikaista ohjelmointiohjelmistoa, mukaan lukien kotimaisia ohjelmistoja.
  

  Ymmärtää nykyaikaisten neuroverkkoarkkitehtuurien erityispiirteet ja sovellusalueet. Tuntee tekstidatan tyypilliset soveltavat analyysitehtävät ja koneoppimisen pohjalta rakenteiden suunnittelun perusperiaatteet. Osaa valita tiedon analyysitehtävän ratkaisumenetelmän ja ohjelmoida sen toteutuksen.

SPK-9. Kyky soveltaa nykyaikaisia ohjelmointijärjestelmiä käytännön ongelmien ratkaisemiseen.
Osaa käyttää nykyaikaisia ohjelmistokirjastoja tietoanalyysissä, erityisesti neuroverkkojen pohjalta. Hallitsee valmiiden ohjelmakirjastojen ja avoimen datan (datasettien, tekstikorpusten) käytön ohjelmoinnissa ja kokeellisessa datan analysoinnissa.

4. AINEEN VOLUMI: 3 opintopistettä, joista 54 opintotuntia on varattu opiskelijoiden ja opettajien välistä kontaktityöskentelyä varten ja 54 opintotuntia opiskelijan itsenäistä työtä varten.

Sisältö ja rakenne jakautuu seuraavasti...

Kysely

Kerro mielipiteesi tästä aiheesta. Kiinnostavat mielipiteet julkaistaan sivustolla.

Lähetä