Využití AI v humanitních a společenských vědách - JTB349

• Anglický název: The Application of AI in Humanities and Social Sciences
• Český název: Využití AI v humanitních a společenských vědách
• Zajišťuje: Katedra ruských a východoevropských studií (23-KRVS)
• Fakulta: Fakulta sociálních věd
• Platnost: od 2023
• Semestr: letní
• E-Kredity: 4
• Způsob provedení zkoušky: letní s.:
• Rozsah, examinace: letní s.:1/1, Z [HT]
• Počet míst: neurčen / neomezen (25)
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: vyučován
• Jazyk výuky: čeština
• Způsob výuky: prezenční
• Způsob výuky: prezenční
• Poznámka: předmět je možno zapsat mimo plán; povolen pro zápis po webu; při zápisu přednost, je-li ve stud. plánu
• Garant: PhDr. Jiří Kocián, Ph.D.; doc. Mgr. Barbora Vidová Hladká, Ph.D.
• Vyučující: PhDr. Jiří Kocián, Ph.D.; doc. Mgr. Barbora Vidová Hladká, Ph.D.
• Třída: Courses not for incoming students

Anotace

Poslední úprava: PhDr. Jiří Kocián, Ph.D. (05.03.2024)

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).

Cíl předmětu

Poslední úprava: PhDr. Jiří Kocián, Ph.D. (05.03.2024)

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.

Podmínky zakončení předmětu

Poslední úprava: PhDr. Jiří Kocián, Ph.D. (05.03.2024)

- aktivní participace na hodinách

- průběžné plnění domácích úkolů

- příprava, konzultace a realizace závěrečného projektu

Literatura

Poslední úprava: PhDr. Jiří Kocián, Ph.D. (05.03.2024)

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. [https://smltar.com/]

Užitečné odkazy

• Koubský, Petr. Veřejně dostupné LLMs: zkušenosti novináře. Linguistic Mondays Seminar at ÚFAL MFF UK, 11/2023. [video]

Metody výuky

Poslední úprava: PhDr. Jiří Kocián, Ph.D. (05.03.2024)

Jednotlivé bloky výuky sestávají z konceptuálně orientované přednášky a praktických hands-on seminářů.

Výuka probíhá v prostředí R implementovaném v cloudovém clusteru.

Sylabus

Poslední úprava: PhDr. Jiří Kocián, Ph.D. (05.03.2024)

1. 8/3 Statistická analýza dat
-- analýza jednotlivých proměnných
-- kontigenční tabulky
2. 22/3 Statistická analýza dat
-- závislost mezi proměnnými
-- entropie
3. 5/4 Technologie pro zpracování textových dat
-- regulární výrazy
-- nástroje UDPipe a NameTag
4. 19/4 Klasické metody statistického strojového učení
-- předehra k hlubokému učení
-- klasifikace a regrese
-- vyhodnocení experimentů
5. 3/5 Workshop k řešení datově-orientovaných projektů