|
Vyučující
|
|
|
|
Obsah předmětu
|
- Úvod do textových dat - Předzpracování, čištění a formátování textových dat - Základní vizualizace - Popisná statistika v textových datech - Word + document frequency, Zipfův zákon - N-gramy, korelace v textových datech - Analýza sentimentu - Klasifikační metody pro textová data - Modelování témat - Specifika českého jazyka v analýze textu - Textová data a umělá inteligence - Textová data a LLM
|
|
Studijní aktivity a metody výuky
|
|
Přednášení, Dialogická (diskuze, rozhovor, brainstorming), Demonstrace, Projekce (statická, dynamická)
|
|
Výstupy z učení
|
Schopnost zprocesovat textové soubory s pomocí existujících softwarových nástrojů (R, Python). Schopnost aplikovat metody textové analýzy na textová data, vizualizovat výstupy a interpretovat výsledky.
|
|
Předpoklady
|
nespecifikováno
|
|
Hodnoticí metody a kritéria
|
Ústní zkouška, Analýza výkonů studenta, Závěrečný projekt
Aktivní účast na cvičení. Zpracování vlastního textového dokumentu adekvátními metodami textové analýzy. Prezentace dosažených výstupů s důrazem na schopnost diskuzi. Ústní zkouška.
|
|
Doporučená literatura
|
-
(2022). Text as Data: A New Framework for Machine Learning and the Social Sciences.
-
(2016). Text Data Management and Analysis.
-
(2019). Text Mining with Machine Learning: Principles and Techniques.
-
(2017). Text Mining with R: A Tidy Approach.
|