Introduction to Applied Linguistics

2026/2027

Academic Year

RUS

Instruction in Russian

6

ECTS credits

Delivered at:

Department of Philology

Course type:

Compulsory course

When:

1 year, 3, 4 module

Программа дисциплины

Аннотация

Курс предусматривает знакомство студентов с основными методами обработки данных на естественном языке методами компьютерной и корпусной лингвистики. В результате освоения курса обучающиеся овладевают актуальным программным инструментарием и эвристиками решения задач, связанных с анализом текстов и аудио.

Цель освоения дисциплины

• Сформировать у обучающихся практические умения и навыки обработки массивов данных на естественном языке с помощью инструментов компьютерной лингвистики.

Планируемые результаты обучения

• Студент создает пуассоновскую регрессию, позволяющую предсказывать результаты показателя X на основе имеющихся данных показателя Y.
• Студент применяет PCA CA, MCA, MDS, t-SNE для анализа различных датасетов и уменьшения размерности данных.
• Студент применяет методы визуализации сетевых данных c помощью пакетов, ggiraph
• Студент применяет трансформации данных: tidyverse, dplyr; освоит работу со строками и текстами: tidytext, udpipe; сможет осуществлять сбор данных из интернета: rvest. OCR.
• Студент производит вычисления, применяя знания по описательной и симуляционной статистике, z-преобразованию, используя пакет анализа RLing
• Студент анализирует данные путём применения инструментов, время, карты, OCR.
• Студент освоит работу с базовыми объектами языка R, функциями, пакетами, а также научится создавать собственные функции и циклы.
• Студент применяет методы визуализации сетевых данных c помощью пакетов ggplot и ggplot2
• Студент решает задачи по программированию, демонстрируя умение анализировать строки тексты и весь текст с помощью пакета ling
• Студент способен создавать метрики расстояний, k-means, иерархические кластеризации, визуализации деревьев.

Содержание учебной дисциплины

• Основы R
• Трансформация данных
• Визуализация и представление данных
• Работа со строками и текстом
• Необычные источники данных: время, карты, OCR
• Основы статистики
• Регрессионный анализ
• Кластеризация
• Методы уменьшения размерности кластеров
• Сетевой анализ

Элементы контроля

• Экзамен
  Экзамен проводится в письменной форме и направлен на проверку теоретических знаний и способности применять принципы изученных методов и подходов при решении практических задач. Экзаменационные задания включают вопросы по основным разделам дисциплины, анализ кейсов и задания на проектирование пайплайнов для решения конкретных задач.
• Самостоятельная работа
  В течение освоения дисциплины студенты выполняют серию домашних заданий, направленных на закрепление теоретического материала и развитие навыков анализа текстовых данных с помощью изученных методов и программного обеспечения. Задания включают в себя практические кейсы с реальными данными. Домашние задания выполняются индивидуально и сдаются через образовательную платформу университета в установленные сроки.

Промежуточная аттестация

• 2026/2027 4th module
  0.4 * Экзамен + 0.3 * Самостоятельная работа

Список литературы

Рекомендуемая основная литература

• Stowell, S. (2014). Using R for Statistics. Berkeley, CA: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1174344

Рекомендуемая дополнительная литература

• Toomey, D. (2014). R for Data Science. Birmingham, UK: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=933765

Авторы

• Колмогорова Анастасия Владимировна
• Жиляева Виктория Артуровна