Интеллектуальная обработка естественного языка

Цели и задачи дисциплины

Целью дисциплины является формирование у студентов теоретических знаний и практических навыков в области интеллектуальной обработки естественного языка, включая базовые и современные методы предобработки, анализа, классификации, генерации и понимания текста. . Основные задачи дисциплины: ознакомить студента с основными определениями интеллектуальной обработки текстов на естественном языке, дать понимание базовых и современных подходов к решению задач обработки естественного языка, получить практический опыт в примении и оценке качества применения различных технологий для решения задач обработки естественного языка.

Краткое содержание дисциплины

Дисциплина посвящена изучению современных методов обработки естественного языка от базовых подходов до современных больших языковых моделях, их адаптацией под конкретные задачи и построением интеллектуальных систем. В курс входят следующие разделы: основы NLP и предобработка текста, нейросетевые модели и архитектура Transformer, большие языковые модели и промпт инжиниринг, fine-tuning и кастомизация больших языковых моделей, LLM-агенты. В рамках освоения дисциплины слушатели познакомятся с базовыми подходами к векторизации текста, архитектурами нейросетевых моделей, механизмом внимания и топологией трансформер, промпт-инжинирингом для работы с LLM, технологиями RAG (Retrieval-Augmented Generation), включая работу с векторными базами данных, подходами к дообучению и оптимизации больших языковых моделей, проектированием ИИ-агентов.

Компетенции обучающегося, формируемые в результате освоения дисциплины

Выпускник должен обладать:

ПК-14 [DL-4] Способен применять и (или) разрабатывать алгоритмы, методы и технологии обработки естественного языка
ПК-16 [LLM-2] Способен дообучать, адаптировать и оптимизировать генеративные модели под специфические задачи и условия применения
ПК-17 [LLM-4] Проектирует, разрабатывает и интегрирует интеллектуальных агентов на базе генеративных моделей
ПК-18 [LLM-5] Организует взаимодействие с генеративными моделями через проектирование, анализ и применение промптов