Обработка естественного языка (NLP) в лингвистике и IT: программа магистратуры

Обработка естественного языка (NLP) представляет собой перспективное направление искусственного интеллекта, специализирующееся на машинном анализе и генерации человеческой речи. Эта междисциплинарная область объединяет методы лингвистики, компьютерных наук и машинного обучения для создания интеллектуальных систем, способных понимать и воспроизводить языковые конструкции.

Специалисты, получившие образование в данной сфере, становятся востребованными разработчиками интеллектуальных речевых технологий. Их профессиональные компетенции позволяют участвовать в создании и совершенствовании:

• Диалоговых платформ нового поколения;
• Виртуальных ассистентов и чат-ботов;
• Систем автоматической обработки текстов;
• Интеллектуальных поисковых алгоритмов;
• Программ анализа тональности и семантики.

Дисциплины программы:

1 семестр, Погружение в специальность

• Адаптивный выравнивающий курс базовой математики (факультатив)
• Программирование на Python: базовый курс
• Лингвистика в контексте современного гуманитарного и естественнонаучного знания
• Операционная система Linux
• Семинар по исследовательской и проектной деятельности
• Учебная практика
• Стратегии и техники эффективной коммуникации (факультатив)
• Продвинутая математика
• Базы данных 1.

2 семестр, Работа с данными и машинное обучение

• Семинар по исследовательской и проектной деятельности
• Базы данных 2
• Основы машинного обучения
• Задачи NLP в машинном обучении
• Статистические методы в гуманитарных исследованиях
• Обработка лингвистической информации: язык и мозг
• Продвинутые SQL (факультатив)
• Учебная практика
• Производственная практика (НИР).

3 семестр, NLP в бизнес-задачах и языковых исследованиях

Семинар по исследовательской и проектной деятельности

• Современные подходы к решению задач Information Extraction
• Генеративные задачи в NLP I
• Нейронные сети в продуктивной среде
• Деловой иностранный язык
• Инжиниринг данных (факультатив)
• Экспериментальные методы лингвистического исследования (факультатив)
• Учебная практика
• Производственная практика (НИР).

Дисциплины по выбору:

• Системы виртуализации и контейнеризации
• Инфраструктура Big Data
• Временные ряды
• Продвинутая визуализация данных. 

4 семестр, Дипломная работа

• Reinforcement Learning (обучение с подкреплением)
• Производственная практика (НИР)
• Выполнение и защита выпускной квалификационной работы.