Магистратура
2025/2026
Семинар наставника «Языковые технологии в образовании»
Статус:
Курс обязательный (Языковые технологии в бизнесе и образовании)
Кто читает:
Департамент филологии
Где читается:
Санкт-Петербургская школа гуманитарных наук и искусств
Когда читается:
1-й курс, 1-4 модуль
Охват аудитории:
для своего кампуса
Преподаватели:
Колмогорова Анастасия Владимировна
Язык:
русский
Кредиты:
3
Программа дисциплины
Аннотация
На семинаре наставника обсуждаются актуальные методы, инструменты, модели из компьютерно-лингвистических, информационно-технологических и других связанных с ними областей науки и практики и их актуальные способы применения. Семинар объединяет навыки, полученные в рамках других дисциплин, для обобщения их в практических целях. Слушащие курса учатся ориентироваться в подходах в этой области обработки естественного языка в формате индивидуальнх консультаций от наставника и рабочих групп для обсуждения подходов для своих проектов.
Цель освоения дисциплины
- − формирование профессионального кругозора в предметной области, соответствующей направлению подготовки 45.04.03 Фундаментальная и прикладная лингвистика; − формирование умения выстраивать индивидуальную траекторию профессионального развития; − формирование навыков выбора и адекватного применения в профессиональной деятельности релевантных инструментов и технологий.
Планируемые результаты обучения
- − Знает специфику предметной области, соответствующей направлению подготовки и специализации, ее актуальные тренды и направления.
- − Владеет стратегиями формирования индивидуальной траектории профессионального развития в заданной предметной области.
- − Умеет выбирать инструменты и технологии для осуществления своей профессиональной деятельности сообразно с поставленными целями и задачами.
- − Умеет ориентироваться в актуальных тематиках и самостоятельно формулировать цели и задачи профессиональной деятельности.
Содержание учебной дисциплины
- Понятие языковых технологий
- Актуальные направления NLP
- Использование языковых технологий в образовании: case studies
- Использование языковых технологий в бизнесе: case studies
- Исследовательский потенциал языковых технологий
- Анализ существующего рынка языковых технологий
- Обзор существующих инструментов NLP
- Современные дискуссионные площадки в области NLP
Элементы контроля
- Домашнее заданиеДомашнее задания представляют собой небольшое практические или аналитическое задание, которое выполняется студентами вне аудитории. Оценка за домашнее задание выставляется по 10-балльной шкале. Сданные работы не пересдаются. Задания возможно получать и в дистанционном формате.
- ЭкзаменЭкзамен проводится в форме беседы с экзаменатором и предполагает обсуждение одного из двух вопросов, представленных в билете (на выбор студенту). На подготовку у студента есть полчаса. Преподаватель задает полемический тон беседе.
Промежуточная аттестация
- 2025/2026 4th moduleОитог рез. = 0,1·Одом. задан1+. 0,1·Одом. задан2 +0,1·Одом. задан3+0,1·Одом. задан4+0,1·Одом. задан5+0,1·Одом. задан6+0,1·Одом. задан7 + 0,1·Одом. задан8 + 0,2·Оэкзамен, где Одом. задан2 – домашнее задание по теме 2 Одом. задан3 – домашнее задание по теме 3 Одом. задан4 – домашнее задание по теме 4 Одом. задан5 – домашнее задание по теме 5 Одом. задан6 – домашнее задание по теме 6 Одом. задан7 – домашнее задание по теме 7 Одом. задан8 – домашнее задание по теме 8 Оэкзамен – оценка за экзамен.
- 2026/2027 3rd moduleОитог рез. = 0,1·Одом. задан1+. 0,1·Одом. задан2 +0,1·Одом. задан3+0,1·Одом. задан4+0,1·Одом. задан5+0,1·Одом. задан6+0,1·Одом. задан7 + 0,1·Одом. задан8 + 0,2·Оэкзамен, где Одом. задан2 – домашнее задание по теме 2 Одом. задан3 – домашнее задание по теме 3 Одом. задан4 – домашнее задание по теме 4 Одом. задан5 – домашнее задание по теме 5 Одом. задан6 – домашнее задание по теме 6 Одом. задан7 – домашнее задание по теме 7 Одом. задан8 – домашнее задание по теме 8 Оэкзамен – оценка за экзамен.
Список литературы
Рекомендуемая основная литература
- Alblawi, A. S. (2018). Big Data and Learning Analytics in Higher Education: Demystifying Variety, Acquisition, Storage, NLP and Analytics.
Рекомендуемая дополнительная литература
- Aman Kedia, & Mayank Rasu. (2020). Hands-On Python Natural Language Processing : Explore Tools and Techniques to Analyze and Process Text with a View to Building Real-world NLP Applications. Packt Publishing.
- Uday Kamath, John Liu, & James Whitaker. (2019). Deep Learning for NLP and Speech Recognition. Springer.