Анализ NLP методами искусственного интеллекта

Бакалавриат 2025/2026

Статус: Курс обязательный (Международный бакалавриат по бизнесу и экономике)

Кто читает: Департамент экономики и финансов

Где читается: Факультет социально-экономических и компьютерных наук

Когда читается: 4-й курс, 1 модуль

Охват аудитории: для своего кампуса

Преподаватели: Маткин Никита Андреевич, Паршаков Петр Андреевич

Язык: русский

Кредиты: 5

Контактные часы: 32

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс «Анализ NLP методами искусственного интеллекта» представляет собой практико-ориентированную программу, сфокусированную на решении прикладных задач обработки естественного языка (NLP) с использованием передовых AI-технологий. Ключевая особенность курса — подход «AI-first», при котором большие языковые модели (LLM) выступают не как объект изучения, а как основной рабочий инструмент для генерации кода, анализа данных и создания интеллектуальных систем. Дисциплина ориентирована на формирование у студентов компетенций, востребованных в сферах digital-маркетинга, бизнес-аналитики и продуктового менеджмента, где требуется быстро извлекать ценные инсайты из больших объемов текстовой информации.

Цель освоения дисциплины

Сформировать у студентов методологию «AI-first»
Научить студентов решать полный спектр прикладных NLP-задач
Обеспечить понимание фундаментальных принципов семантического анализа текста
Развить навыки проектирования и создания конечных data-продуктов

Планируемые результаты обучения

Умение формулировать промпты для LLM с целью генерации кода для автоматического сбора данных из веб-источников (парсинг) и через API
Владение методами очистки и структурирования «сырых» текстовых данных для подготовки унифицированных датасетов
Способность решать задачи классификации текстов и анализа тональности, используя как готовые специализированные библиотеки, так и прямые запросы к LLM для оценки текстов по заданным категориям.
Умение применять методы извлечения именованных сущностей (NER) и тематического моделирования для выявления ключевых объектов, персон и скрытых тем в больших массивах текстовых данных.
Владение навыками преобразования текстовых данных в векторные представления (эмбеддинги) с помощью современных трансформерных моделей для последующего математического анализа.
Умение применять векторные операции для решения прикладных задач, таких как семантический поиск по смыслу, кластеризация текстов и обнаружение дубликатов.
Понимание архитектуры и принципов работы вопросно-ответных систем, построенных по технологии Retrieval-Augmented Generation (RAG).
Способность проектировать и программно реализовывать end-to-end NLP-системы, объединяющие семантический поиск по базе знаний с генеративными возможностями LLM для создания ответа.
Владение навыком интеграции различных NLP-компонентов (парсер, анализатор, векторизатор, LLM) в единый работающий data-продукт.