Institute of Formal and Applied Linguistics
Charles University, Czech Republic
Faculty of Mathematics and Physics
Umělá inteligence pro humanitní a společenské vědy
Artificial Intelligence for the Humanities
Umělá inteligence je velmi aktuálním a sílícím trendem pronikajícím do nejrůznějších oblastí života i většiny vědních oborů, včetně humanitních a společenskovědních. Tímto kurzem reagujeme na rostoucí význam rychle se uplatňujících počítačových technologií a srozumitelnou formou představujeme technologické základy umělé inteligence. Kurz je určen především studentům humanitních a společenskovědních oborů, a to na jakémkoliv stupni (Bc/Mgr/PhD).
Cíle předmětu
Studenti během kurzu získají teoretické znalosti i praktické dovednosti potřebné pro řešení praktických úloh s využitím dostupných dat a metod umělé inteligence, zejména z oblasti analýzy textů. Za tímto účelem se naučí využívat nástroje implementované v programovacím prostředí R a samostatně se orientovat v technické literatuře. Absolvent kurzu má schopnost analyzovat a zpracovat data z různých oblastí humanitních nebo společenských věd a tato data využívat pro experimentování s umělou inteligencí.
Předpoklady
U studentů předpokládáme chuť experimentovat s umělou inteligencí, včetně neuronových sítí. Zájemci o tento kurz by měli ovládat základy práce v systému R a měli by mít alespoň elementární znalosti o systematickém zpracování a statistické analýze dat. Tyto vstupní předpoklady lze nahradit docházkou na paralelně vyučovaný kurz "Zpracování a analýza dat pro humanitní a společenské vědy" [NPFL 143].
Kalendář
V letním semestru 2023/24 nebude kurz vyučován. Studenti si mohou zapsat kurz JTB349, který se koná v níže uvedené dny v čase 10:00-14:00 v Areálu Jinonice v posl. č. B230.
Materiály pro C4DHI
| datum | téma | přednáška | cvičení | domácí úkol | |
| 0. |
-- 0.domcvic -- welcome-script.R |
||||
| 1. | 8/3 |
- Statistická analýza dat -- analýza jednotlivých proměnných -- kontigenční tabulky |
-- 1.prednaska -- titanic.l.R |
-- 1.tutorial | -- 1.domcvic |
| 2. | 22/3 |
- Tokenizace, vektorová reprezentace textů - Závislost mezi proměnnými |
-- 2.prednaska -- migrants.l.R |
-- 2.tutorial | -- 2.domcvic |
| 3. | 5/4 |
- Úvod do pravděpodobnosti - UDPipe |
-- 3.prednaska | -- 3.tutorial | -- 3.domcvic |
| 4. | 19/4 |
Klasické metody statistického strojového učení -- klasifikace -- vyhodnocení experimentů |
-- 4.prednaska | -- 4.tutorial |
-- 4.domcvic -- students.h.R |
| 5. | 3/5 | Workshop k řešení datově-orientovaných projektů |
-- Test -- Workshop |
||
| 3-4/6 | C4DHI Anniversary workshop (program) | -- JTB349 Wrap Up |
Prostředí R
- Doporučený kurz základů práce v R: Cultural Analytics: Interactive Learning Environment in R (Lekce 1-4)
Literatura
- Arnold, Taylor and Lauren Tilton: Humanities Data in R. Exploring Networks, Geospatial Data, Images, and Text. Springer, 2015. [https://link.springer.com/book/10.1007/978-3-319-20702-5]
- Lantz, Brett: Machine Learning with R. PACKT Publishing. 2013, 2019. [https://www.packtpub.com/product/machine-learning-with-r-third-edition/9781788295864]
- Grolemund, Garrett and Hadley Wickham: R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. O'Reilly Media, 2016. [https://r4ds.hadley.nz/]
- Boehmke, Bradley and Brandon M. Greenwell: Hands-On Machine Learning with R. Chapman & Hall / CRC, 2019. [https://bradleyboehmke.github.io/HOML/]
- Hvitfeldt, Emil and Julie Silge: Supervised Machine Learning for Text Analysis in R. CRC Press. 2022. [SMLTAR | https://smltar.com/]
Další zdroje
- Chollet François, Tomasz Kalinowski, and J. J. Allaire. Deep Learning with R. Manning Publications, Second Edition, 2022. [DLR | https://www.manning.com/books/deep-learning-with-r-second-edition]
- Koubský, Petr. Veřejně dostupné LLMs: zkušenosti novináře. Linguistic Mondays Seminar at ÚFAL MFF UK, 11/2023. [video]
- Martinková Patricia, Hladká Adéla. Computational Aspects of Psychometric Methods With R. Chapman & Hall, 2023. [PAT | doi]