Анализ и визуализация текстовых данных

2025/2026

Учебный год

RUS

Обучение ведется на русском языке

6

Кредиты

Кто читает:

Департамент филологии

Статус:

Курс обязательный

Когда читается:

1-й курс, 3, 4 модуль

Программа дисциплины

Аннотация

Дисциплина «Анализ и визуализация текстовых данных» направлена на формирование у студентов навыков анализа, интерпретации и визуального представления неструктурированных текстовых данных. Курс ориентирован на практическое применение методов обработки естественного языка (NLP), статистического анализа и визуализации данных с использованием Python и современных аналитических инструментов. Особое внимание уделяется интерпретации визуализаций, работе с эмбеддингами, кластеризацией, тематическим моделированием, а также визуальному анализу мультимодальных данных. В рамках курса студенты разрабатывают собственный проект по визуализации текстового датасета.

Цель освоения дисциплины

• Сформировать у студентов системное понимание того, как извлекать смысл и закономерности из текстовых данных и представлять их в виде корректных, интерпретируемых и визуально выразительных графиков и дашбордов.

Планируемые результаты обучения

• применяет библиотеки Python для визуализации данных (matplotlib, seaborn, plotly, pyvis)
• анализирует текстовые данные с использованием базовых NLP-метрик и эмбеддингов
• визуализирует высокоразмерные представления текстов
• использует методы кластеризации и тематического моделирования
• интерпретирует визуализации и выявляет ошибки и искажения
• создает интерактивные визуализации и дашборды
• аргументированно объясняет полученные визуальные результаты
• реализует самостоятельный проект по анализу и визуализации текстового датасета

Содержание учебной дисциплины

• Введение в визуализацию данных и библиотеки Python
• Ошибки визуализации и когнитивные искажения
• Narrative visualization и data storytelling
• Интерактивная визуализация текстовых данных
• Дашборды и визуальная аналитика (DataLens)
• Снижение размерности и кластеризация текстов
• Визуализация тематических моделей
• Анализ и визуализация лексического разнообразия
• Explainability и интерпретация NLP-моделей
• Мультимодальные эмбеддинги и их визуализация

Элементы контроля

• Домашнее задание 1
  Базовая визуализация и интерпретация данных Описание: Студенту предлагается текстовый или табличный датасет (корпус текстов, метаданные, частотные списки). Необходимо построить не менее двух статических визуализаций с использованием matplotlib или seaborn и письменно интерпретировать полученные результаты. Требования: ● корректность визуализаций; ● читаемость и оформление графиков; ● обоснованная интерпретация.
• Домашнее задание 2
  Визуальный анализ текстовых представлений Описание: Необходимо применить методы снижения размерности (UMAP или t-SNE) к векторным представлениям текстов и визуализировать результат. Студент должен проанализировать структуру полученного пространства и сделать выводы о сходстве и различии текстов. Требования: ● корректное применение метода; ● визуальная интерпретируемость; ● аналитический комментарий.
• Домашнее задание 3
  Интерактивная или нарративная визуализация Описание: Студент разрабатывает интерактивную визуализацию или связную визуальную историю по текстовому датасету с использованием plotly, pyvis или Streamlit. Требования: ● наличие интерактивных элементов или нарративной структуры; ● логика визуального рассказа; ● соответствие цели анализа.
• Проект и защита проекта
  Проект представляет собой самостоятельную работу по анализу и визуализации текстового или мультимодального датасета. Проект может выполняться индивидуально или в группе до 3 человек. Требования к проекту: ● использование не менее двух различных методов визуализации; ● применение хотя бы одного метода анализа текстовых данных; ● наличие аналитического вывода; ● воспроизводимость результатов. Формат защиты: ● презентация проекта (7–10 минут); ● ответы на вопросы преподавателя.

Промежуточная аттестация

• 2025/2026 4th module
  0.15 * Домашнее задание 1 + 0.15 * Домашнее задание 2 + 0.15 * Домашнее задание 3 + 0.55 * Проект и защита проекта

Авторы

• Жиляева Виктория Артуровна
• Поздняков Иван Сергеевич
• Паничева Полина Вадимовна
• Литвинова Татьяна Александровна.