Наименование компетенции ФГОС ВО	Индикаторы достижения компетенций
Способен осуществлять поиск, критический анализ и синтез информации, применять системный подход для решения поставленных задач (УК-1)	Знаний: принципы использования системного подхода алгоритмы принятия решения (в том числе, методики постановки задачи, моделирования, выбора и принятия решения) Умений: находить, критически анализировать и выбирать информацию, необходимую для решения поставленной задачи анализировать задачу, выделяя этапы ее решения, действия по решению задачи оценивать их преимущества и риски грамотно, логично, аргументированно формировать собственные суждения и оценки определять и оценивать практические последствия возможных решений задачи Навыков: навыками применения системного подхода для оценки современных научных достижений и принятия решений в социальной и профессиональной деятельности
Способен использовать в профессиональной деятельности научные знания о предмете, ключевые понятия, методы и приемы предметной области (ПК-1.2)	Знаний: научную терминологию, ключевые понятия, методы и приемы предметной области, роль предмета в развитии интеллектуальных и творческих способностей личности закономерности, принципы и уровни формирования и реализации содержания образования по учебному предмету компоненты содержания обучения и принципы их отбора, программы и учебники по преподаваемому предмету Умений: осуществлять отбор содержания обучения по учебному предмету в соответствии с целями и возрастными и индивидуальными особенностями обучающихся проектировать содержание обучения на основе на основе научных знаний, ключевых понятий, методов и приемов предметной области разрабатывать и реализовывать проблемное обучение, осуществлять связь обучения по предмету (курсу, программе) с практикой, обсуждать с обучающимися актуальные события современности Навыков: отбора вариативного содержания с учетом взаимосвязи урочной и внеурочной форм обучения предметной области (учебному предмету) в соответствии с научным содержанием учебного предмета, теорией и практикой учебного предмета, методикой его преподавания

Вид учебной работы	Часов (по видам работ)	Семестры
8
Контактная работа (всего)	36	36
Лекционные занятия	8	8
Лабораторные занятия	28	28
Самостоятельная работа	36	36
Всего, часов/зачетных единиц	72 / 2	72 / 2

Показаны записи 1-6 из 6.

Наименование раздела дисциплины	Содержание раздела	Всего, час (без контроля и консультаций)	Лек	Лаб	СР
Введение: Лингвистические данные и информатика	Основные виды лингвистических данных: тексты, речи, словари, метаданные. Методы сбора, хранения, формализации и автоматизации обработки. Обзор языков программирования для работы с лингвистическими данными. Знакомство с открытыми корпусами, импорт данных, поиск и структурирование лингвистических данных.	10	1	2	7
Программирование на R для анализа лингвистических данных	Основы синтаксиса R, работа с RStudio Работа с текстами: импорт, очистка, токенизация, стоп-слова, стемминг и лемматизация Использование пакетов: tidyverse, tidytext, quanteda, tm Анализ частотности, TF-IDF, коллокаций Визуализация: облака слов, графики Анализ корпуса текстов, исследование языковых особенностей	17	2	7	8
Лингвистические корпуса и методы их разметки	Структура и типы корпусов: параллельные, учебные, национальные Методы ручной и автоматической разметки, аннотирование Подготовка и расширение корпуса на базе открытых данных Сравнение форматов разметки: XML, JSON, TEI Разметка учебных данных в R и MediaWiki; анализ ошибок разметки	11	1	5	5
Работа с MediaWiki: API и программирование на Lua	Принципы работы MediaWiki и API Получение и обработка данных с помощью MediaWiki API в R Программирование на Lua в Scribunto (модули и шаблоны), взаимодействие с текстом и структурой статей Разработка собственных Lua-модулей для автоматизации лингвистических задач. написание Lua-модуля для разбора и обработки фрагмента текста в MediaWiki	14	2	6	6
Статистический анализ и визуализация лингвистических данных	Основные методы статистического анализа (частотный, корреляционный, кластерный) Оценка лингвистических особенностей (анализ тональности, тематическое моделирование) Визуализация результатов: тепловые карты, интерактивные графики Интерпретация статистических выводов для лингвистических задач Практикум: построение и интерпретация различных визуализаций на базе корпуса Wikipedia	11	1	4	6
Автоматизация анализа: интеграция R, Lua и Web-сервисов	Общие принципы автоматизации простых рабочих задач. Когда и зачем объединять разные инструменты (R, Lua, Web-сервисы). Примеры лёгких сценариев интеграции: R для анализа и визуализации, Lua для извлечения текста в MediaWiki, Использование готовых API сервисов (например, определения языка текста, базовый sentiment analysis) R + Web API — загрузка данных с бесплатного API (например, OpenLibrary или Wikipedia API) и сохранение в CSV. Lua в MediaWiki — простой модуль для извлечения заголовков или категорий страниц. Мини-проект: Взять короткий список страниц wiki, извлечь текст или метаданные через Lua или API Итоговый результат — один завершённый рабочий процесс (pipeline) от получения данных через Lua/API до их визуализации в R.	9	1	4	4

1) Сузи, Р. А. Язык программирования Python [Электронный ресурс] : учеб. пособие / Р. А. Сузи. – Москва : ИНТУИТ, 2020. – Добавлено: 09.12.2020. – Проверено: 25.11.2022. – Режим доступа: ЭБС IPRBooks по паролю. - URL: http://www.iprbookshop.ru/97589.html.
2) Кондратьева, Виктория Александровна. Основы программирования на языке Python : учеб. пособие. Ч. 1 / В. А. Кондратьева ; рец. : Д. С. Рыбаков, И. В. Левченко ; Департамент образования и науки г. Москвы, Гос. автоном. образоват. учреждение высш. образования г. Москвы "Моск. гор. пед. ун-т" (ГАОУ ВО МГПУ), Департамент информатики, упр. и технологий, Ин-т цифрового образования. – Москва : МГПУ, 2021. – 92 с. : ил. – Изд-во указ. на обороте тит. л. – Библиогр.: с. 89. – ISBN 978-5-243-00701-6. - URL: https://resources.mgpu.ru/showlibraryurl.php?docid=529507&foldername=fulltexts&filename=529507.pdf.

1) Маккинни, У. Python и анализ данных [Электронный ресурс] : учеб. пособие / У. Маккинни. – Москва : ДМК Пресс, 2020. – Добавлено: 22.07.2022. – Проверено: 25.11.2022. – Режим доступа: ЭБС Лань по паролю. – ISBN 978-5-97060-590-5. - URL: https://e.lanbook.com/book/131721.
2) Мартин, Освальдо. Байесовский анализ на Python [Электронный ресурс] : Введение в статистическое моделирование и вероятностное программирование с использованием PyMC3 и ArviZ / О. Мартин. – Москва : ДМК Пресс, 2020. – Добавлено: 24.10.2022. – Проверено: 25.11.2022. – Режим доступа: ЭБС Лань по паролю. – ISBN 978-5-97060-768-8. - URL: https://e.lanbook.com/book/140585.
3) Воронов, Михаил Владимирович. Системы искусственного интеллекта [Электронный ресурс] : учеб. и практикум для вузов / М. В. Воронов, В. И. Пименов, И. А. Небаев. – Москва : Юрайт, 2022. – (Высшее образование). – Добавлено: 27.09.2022. – Проверено: 25.11.2022. – Режим доступа: ЭБС Юрайт по паролю. – ISBN 978-5-534-14916-6. - URL: https://urait.ru/bcode/485440.

Показаны записи 1-3 из 3.

Учебная аудитория	Материально-техническое обеспечение
Аудитория для проведения занятий лекционного типа	Специализированная мебель, персональный компьютер, обеспеченный доступом к сети «Интернет», проектор, интерактивная доска, доска классная 3-элементная, набор демонстрационного оборудования и учебно-наглядных пособий, обеспечивающие тематические иллюстрации
Аудитория для лабораторной работы	Специализированная мебель, персональный компьютер, обеспеченный доступом к сети «Интернет», проектор, интерактивная доска, доска классная 3-элементная, набор демонстрационного оборудования и учебно-наглядных пособий, обеспечивающие тематические иллюстрации
Помещение для самостоятельной работы	Специализированная мебель, персональный компьютер, обеспеченный доступом к сети «Интернет», проектор, интерактивная доска, доска классная 3-элементная, набор демонстрационного оборудования и учебно-наглядных пособий, обеспечивающие тематические иллюстрации

Место в структуре образовательной программы

Промежуточная аттестация