The discipline consists of two parts:
- The first part "Automatic Text Processing" discusses the algorithms and tools of natural language processing. After a brief introduction to the history of the field, various approaches are considered that process texts at different levels : from tokenization to parsing. The main focus is on algorithms that use machine learning for text processing. After finishing this part of the discipline, students will have an idea of the landscape of modern automatic text analysis methods and will try several most common tools in practice, such as pymorphy2, mystem, NLTK, scikit-learn, UDPipe, etc.
- The part "Image Processing" shows basic algorithms of image analysis. Various ways of digital representation of images and color models are considered. Image transformations (intensity and color) and image filtering (both spatial and frequency) are discussed. Besides, students will learn how to use various types of neural networks (such as Alex Net, Rus news, Ngs, Inception) for image classification, as well as two-phase and single-phase algorithms: YOLO, SSD, Mask-R-CNN.
⭐ Please rate and star the material if you found it useful. ⭐
Дисциплина состоит из двух разделов:
- Раздел знакомит слушателей с алгоритмами и инструментами для обработки текстов на естественном языке. После краткого введения в историю области рассматриваются подходы, работающие с языком на разных уровнях: от токенизации до синтаксического разбора. Основное внимание уделено подходам, которые работают с данными на основе машинного обучения. По окончании раздела студенты будут иметь представление о ландшафте методов современного автоматического анализа текста и опыт использования нескольких наиболее важных инструментов. В том числе pymorphy2, mystem, NLTK, scikit-learn, UDPipe и др.
- Раздел "Обработка изображений" знакомит слушателей с основными алгоритмами анализа изображений. Студенты узнают о различных способах цифрового представления изображений, цветовых моделях. Будут рассмотрены преобразования изображений (яркостные, цветовые) и фильтрация (пространственная, частотная) изображений. В результате прохождения курса, слушатели узнают о применении различных видов нейронных сетей (AlexNet, ResNets, VGGs, Inception) для классификации изображений, а также о двухфазных и однофазных алгоритмах: YOLO, SSD, Mask-R-CNN.
⭐ Пожалуйста, оцените и поставьте звездочку, если вы нашли материал полезным. ⭐