Длабоко учење за обработка на природните јазици

1.Наслов на наставниот предметДлабоко учење за обработка на природните јазици
Deep learning for natural language processing
2.Кодm23_w_028
3.Студиска програма—
4.Организатор на студиската програма (единица, односно институт, катедра, оддел)Факултет за информатички науки и компјутерско инженерство
5.Степен (прв, втор, трет циклус)Втор циклус
6.Академска година / семестар9 / Зимски
7.Број на ЕКТС кредити6
8.Наставник
9.Предуслови за запишување на предметот—
10.Цели на предметната програма (компетенции)Целта на предметот е студентот да се запознае со модерните техники на длабоко учење за разбирање на природните јазици и генерирање на текст. По завршување на предметот, студентот ќе биде оспособен за избор и примена на соодветна длабока невронска архитектура за проблемите од областа.
11.Содржина на предметната програмаДел од темите се посветени на запознавање на студентот со предизвиците и постигнувањата во областа на обработка на природните јазици: Моделирање на природните јазици. Афективна анализа. Детекција на антисоцијални појави на веб (пр. навредлив говор, лажни вести, говор на омраза и со предрасуди). Машински превод. Генерирање на текст со примена за сумирање на документи, разговорни-дијалог агенти, одговори на прашања и промена на стилот на текст. Анализа и толкување на системи за разбирање и генерирање на текст. Преиспитување на етички и морални апсекти во системите за обработка на природните јазици.
За решавање на проблемите од областа ќе бидат користени модерни техники од областа на длабоко учење: длабоки невронски мрежи со внимание, генеративни спротивставени мрежи, граф-невроснки мрежи, трансформер архитектури, трансфер на учење и учење со поттикнување.
12.Методи на учењеПредавања поддржани со презентации преку слајдови, интерактивни предавања, вежби (користење на опрема и софтверски пакети), тимска работа, студија на случај, поканети гости предавачи, самостојна изработка и одбрана на проектна задача и семинарска работа, учење во електронско опкружување (форуми, консултации).
13.Вкупен расположив фонд на време6 ЕКТС x 30 часа = 180 часа
14.Распределба на расположивото време60 + 0 + 45 + 45 + 30 = 180 часа
15.Форми на наставните активности
15.1.Предавања - теоретска настава60 часови
15.2.Вежби (лабораториски, аудиториски), семинари, тимска работа0 часови
16.Други форми на активности
16.1.Проектни задачи45 часови
16.2.Самостојни задачи45 часови
16.3.Домашно учење30 часови
17.Начин на оценување
17.1.Тестови15 бодови
17.2.Семинарска работа / проект ( презентација: писмена и усна)45 бодови
17.3.Активности и учење15 бодови
17.4.Завршен испит0 бодови
18.Критериуми за оценување (бодови/ оценка)
до 50 бода5 (пет) (F)
од 51 до 60 бода6 (шест) (E)
од 61 до 70 бода7 (седум) (D)
од 71 до 80 бода8 (осум) (C)
од 81 до 90 бода9 (девет) (B)
од 91 до 100 бода10 (десет) (A)
19.Услов за потпис и полагање на завршен испитРеализирани активности 15.1 до 15.2, и 16.1 до 16.3
20.Јазик на кој се изведува наставатаМакедонск и англиски
21.Метод на следење на квалитетот на наставатаМеханизми на интерна евалуација и анкети
22.Литература
22.1.Задолжителна литература
1. Ian Goodfellow, Joshua Bengio, Aaron Courvile | Deep Learning | МИТ | 2016
2. Jurafsky & Martin | Speech and Language Processing | Prentice Hall | 2021
22.2.Дополнителна литература
Ред.бр. Автор Наслов Издавач Година