Randall Munroe, XKCD, https://xkcd.com/353/:
O předmětu¶
- úvod do programovacího jazyka Python
- práce s předpřipravenými jazykovými daty v NLTK
- zpracování surových textových dat (formát "čistého textu", kódování)
- strukturovaný čistý text
- morfologické značkování
- kvantitativní analýza textových dat (např. kolokace, klíčová slova)
- pokročilejší Python
... + co vás bude zajímat :)
Požadavky k atestaci¶
- pravidelná a aktivní účast na seminářích (max. 3 absence)
- průběžné plnění drobných týdenních úkolů
- vypracování většího zápočtového úkolu
O mně¶
- David Lukeš, Ústav Českého národního korpusu (http://korpus.cz)
- lingvistické zájmy: fonetika, korpusová lingvistika, význam v komunikaci; vznik, vývoj a osvojování jazyka
- s programováním jsem sám začal až na VŠ, takže nikdy není pozdě
- asi nejužitečnější dovednost, jakou jsem se v posledních letech naučil
O vás¶
- jméno, příjmení?
- podařilo se vám vytvořit účet na https://jupyter.korpus.cz?
- oblast vašeho akademického zájmu v lingvistice a přilehlých disciplínách?
- případné předchozí zkušenosti s programováním (v Pythonu i jiných jazycích)?
A hlavně: co vás motivovalo k zapsání na tento předmět, co od něj očekáváte? Konkrétní důvody (bakalářka, diplomka, dizertace)?
- jednoduchý a přístupný programovací jazyk
- FLOSS (Free, Libre, Open-Source Software) × např. Microsoft Word
- vznik: 1991, Guido van Rossum
- proč se jmenuje Python?
- Python 2 vs. Python 3
NLTK Book: https://www.nltk.org/book/¶
Základní pilíře kvantitativní analýzy textu¶
Frekvence jevu¶
Jak častý je daný jev? Je v některých kontextech častější než v jiných?
(Kontext = okolní slova, žánr textu, sociolingvistická charakteristika mluvčího...)
Disperze jevu¶
Jaký je vztah mezi jednotlivými výskyty jevu? Jsou v textech rozmístěné rovnoměrně, nebo mají naopak tendenci se shlukovat?
Jazyk a počítače¶
- počítačová lingvistika
- zpracování přirozeného jazyka (Natural Language Processing, NLP)
Jazyk a počítače¶
- počítačová lingvistika → výzkum jazyka s pomocí počítače
- zpracování přirozeného jazyka (Natural Language Processing, NLP) → řešení praktických inženýrských úkolů, které zahrnují jazyková data
Příklad: různé přístupy k morfologickému značkování -- pravidlový (ÚTKL FF UK) vs. statistický (ÚFAL MFF UK).
