|
|
Hlavní nabídka Prohlížení IS/STAG
Nalezené předměty, počet: 1
Stránkování výsledků vyhledávání
Nalezeno 1 záznamů
Export do Xls
Informace o předmětu
KIV / IR-E
:
Popis předmětu
Pracoviště / Zkratka
|
KIV
/
IR-E
|
Akademický rok
|
2024/2025
|
Akademický rok
|
2024/2025
|
Název
|
Vyhledávání informací
|
Způsob zakončení
|
Zkouška
|
Způsob zakončení
|
Zkouška
|
Akreditováno / Kredity
|
Ano,
6
Kred.
|
Forma zakončení
|
Kombinovaná
|
Forma zakončení
|
Kombinovaná
|
Rozsah hodin
|
Přednáška
3
[HOD/TYD]
Cvičení
2
[HOD/TYD]
|
Zápočet před zkouškou
|
Ano
|
Zápočet před zkouškou
|
Ano
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Počítán do průměru
|
ANO
|
Vyučovací jazyk
|
Angličtina
|
Obs/max
|
|
|
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Letní semestr
|
0 / -
|
0 / -
|
2 / -
|
Počítán do průměru
|
ANO
|
Zimní semestr
|
0 / -
|
0 / -
|
0 / -
|
Opakovaný zápis
|
NE
|
Opakovaný zápis
|
NE
|
Rozvrh
|
Ano
|
Vyučovaný semestr
|
Letní semestr
|
Vyučovaný semestr
|
Letní semestr
|
Minimum (B + C) studentů
|
1
|
Volně zapisovatelný předmět |
Ano
|
Volně zapisovatelný předmět
|
Ano
|
Vyučovací jazyk
|
Angličtina
|
Počet dnů praxe
|
0
|
Počet hodin kontaktní výuky |
|
Hodnotící stupnice |
1|2|3|4 |
Periodicita |
každý rok
|
Hodnotící stupnice pro zp. před zk. |
S|N |
Periodicita upřesnění |
|
Základní teoretický předmět |
Ne
|
Profilující předmět |
Ne
|
Základní teoretický předmět |
Ne
|
Hodnotící stupnice |
1|2|3|4 |
Hodnotící stupnice pro zp. před zk. |
S|N |
Nahrazovaný předmět
|
Žádný
|
Vyloučené předměty
|
KIV/IR
|
Podmiňující předměty
|
Nejsou definovány
|
Předměty informativně doporučené
|
KIV/IDT nebo KIV/PT
|
Předměty,které předmět podmiňuje
|
KIV/NLP
|
Graf četnosti udělených hodnocení studentům napříč roky:
Obrázek PNG
,
XLS
|
Cíle předmětu (anotace):
|
Dát studentům důkladné znalosti jak vytvářet komplexní softwary na zpracování textů přirozeného jazyka.
|
Požadavky na studenta
|
Vypracování a obhájení semestrálního softwarového projektu (získat minimálně 50% z možných bodů), získat 50% z bodů za aktivní účast na cvičeních, absolvovat písemný kontrolní test (získat 50% bodů), písemná zkouška s ústním dozkoušením (minimum je opět 50% možných bodů). Konečný termín pro získání zápočtu je konec května.
Z důvodu průběžné aktualizace předmětu je pro získání zápočtu při opakovaném zapsání předmětu (viz SZŘ čl. 24 odst. 3) nutné souhlasné vyjádření garanta předmětu.
Upozornění:
Termíny a forma ověřování splnění požadavků mohou být upraveny s ohledem na opatření vyhlášená v souvislosti s vývojem epidemiologické situace v ČR.
|
Obsah
|
1. Taxonomie úloh strojového zpracování přirozeného jazyka. Typické problémy a aplikace.
2. Tokenizace, stemming, Porterův algoritmus, lematizace, POS značkování, parsing. Slovníky, editační vzdálenost.
3. Vyhledávání informace, booleovský model, indexování.
4. Podobnost dotazu s dokumentem, vektorový model dokumentu, výběr top hitů.
5. Hodnocení vyhledávacího systému, standardní kolekce.
6. XML vyhledávání, vektorový model v XML prostředí, vyhodnocování relevantnosti.
7. Pravděpodobnostní modely pro IR. Maticové dekompozice, latentní sémantické indexování.
8. Klasifikace textů, výběr vlastností, vyhodnocování klasifikace, klasifikace ve vektorovém prostoru. Detekce plagiátů, spamů.
9. Shlukování textů, volba počtu shluků. Systémy shlukování zpravodajských textů.
10.Extrakce informací, extrakce událostí, extrakce relací.
11.Sumarizační metody, generování textu.
12.Vyhledávání názorů. Aplikace na texty sociálních médií.
13.Získávání informací z Webu, analýza obsahu, prohledávače Webu, distribuované indexy, Web jako graf, analýza struktury Webu, PageRank, HITS.
|
Aktivity
|
|
Studijní opory
|
Studentům jsou k dispozici ke stažení jednotlivé přednášky ve formátu PDF a také podstatná část přednášek v ucelené podobě jako elektronická kniha (PDF).
|
Garanti a vyučující
|
|
Literatura
|
-
Základní:
Manning, Christopher D.; Raghavan, Prabhakar; Schütze, Hinrich. Introduction to information retrieval. 1st pub. New York : Cambridge University Press, 2008. ISBN 978-0-521-86571-5.
-
Doporučená:
Baeza-Yates, R.; Ribeiro-Neto, Berthier. Modern information retrieval. Harlow : Addison-Wesley, 1999. ISBN 0-201-39829-X.
-
Doporučená:
Jurafsky, Daniel; Martin, James H. Speech and language processing : an introduction to natural language processing, computational linguistics, and speech recognition. 2nd ed. Upper Saddle River : Pearson/Prentice Hall, 2009. ISBN 978-0-13-504196-3.
-
On-line katalogy knihoven
|
Časová náročnost
|
Všechny formy studia
|
Aktivity
|
Časová náročnost aktivity [h]
|
Projekt individuální [40]
|
40
|
Příprava na zkoušku [10-60]
|
55
|
Kontaktní výuka
|
65
|
Celkem
|
160
|
|
Předpoklady
|
Odborné znalosti - pro úspěšné zvládnutí předmětu se předpokládá, že je student před zahájením výuky schopen: |
orientovat se v možnostech aplikačního programového vybavení s cílem dosáhnout lepší orientaci v narůstajícím množství informací |
popsat principy programování v imperativních a objektových jazycích včetně základních řídicích struktur a způsobů reprezentace dat, vysvětlit základní datové struktury a algoritmy pro práci s nimi |
vysvětlit principy relačních databází, datové integrity a základních SQL příkazů, popsat postupy datového modelování |
Odborné dovednosti - pro úspěšné zvládnutí předmětu se předpokládá, že student před zahájením výuky dokáže: |
navrhnout databázový systém či informační systém menšího až středního rozsahu, navrhnout a realizovat jednodušší samostatnou a webovou aplikaci |
ovládat zásady vytváření dobře dokumentovaných a robustních programových kódů, prakticky využít teoretické a praktické poznatky o práci s algoritmy, datovými strukturami a konkrétními vývojovými prostředky |
utřídit, zpracovat a prezentovat získané informace písemnou i ústní formou v anglickém jazyce; vytvořit dokumentaci k realizovanému dílu nebo jeho součásti |
získávat a zpracovávat informace ze zdrojů v anglickém jazyce |
Obecné způsobilosti - před zahájením studia předmětu je student schopen: |
mgr. studium: používají své odborné znalosti, odborné dovednosti a obecné způsobilosti alespoň v jednom cizím jazyce, |
|
Výsledky učení
|
Odborné znalosti - po absolvování předmětu prokazuje student znalosti: |
popsat principy zpracování přirozeného jazyka a vyhledávání v textových datech |
vysvětlit a ilustrovat metody a modely pro reprezentaci a zpracování rozsáhlých nestrukturovaných dat |
Odborné dovednosti - po absolvování předmětu prokazuje student dovednosti: |
efektivně použít metody a technologie pro vyhledávání v rozsáhlých nestrukturovaných datech |
realizovat různé metody webového vyhledávání a základní metody zpracování přirozeného jazyka |
Obecné způsobilosti - po absolvování předmětu je student schopen: |
mgr. studium: dle vyvíjejících se souvislostí a dostupných zdrojů vymezí zadání pro odborné činnosti, koordinují je a nesou konečnou odpovědnost za jejich výsledky, |
Po absolvování je student nejen schopen realizovat různé metody zpracování přirozeného jazyka, ale také získá profesionální znalosti o možnostech jejich využití v oblasti softwarového inženýrství, Business Intelligence, Social Media monitoring, odhalování závadných a společensky nebezpečných textů a názorů, analýzy názorů apod. Získá i schopnost používat formální metody pro konstruování takového softwaru. |
|
Hodnoticí metody
|
Odborné znalosti - odborné znalosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Individuální prezentace, |
Průběžné hodnocení, |
Test, |
Kombinovaná zkouška, |
Odborné dovednosti - odborné dovednosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Výstupní projekt, |
Demonstrace dovedností (praktická činnost), |
Kombinovaná zkouška, |
Obecné způsobilosti - obecné způsobilosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Kombinovaná zkouška, |
Individuální prezentace, |
|
Vyučovací metody
|
Odborné znalosti - pro dosažení odborných znalostí jsou užívány vyučovací metody: |
Cvičení (praktické činnosti), |
Přednáška s diskusí, |
Řešení problémů, |
Samostatná práce studentů, |
Samostudium, |
Výuka podporovaná multimédii, |
Odborné dovednosti - pro dosažení odborných dovedností jsou užívány vyučovací metody: |
Demonstrace dovedností, |
Obecné způsobilosti - pro dosažení obecných způsobilostí jsou užívány vyučovací metody: |
Přednáška s diskusí, |
|
|
|
|