Uniwersytet Warszawski - Centralny System UwierzytelnianiaNie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Text Mining and Social Media Mining

Informacje ogólne

Kod przedmiotu: 2400-DS2TMS Kod Erasmus / ISCED: 14.3 / (0311) Ekonomia
Nazwa przedmiotu: Text Mining and Social Media Mining
Jednostka: Wydział Nauk Ekonomicznych
Grupy: Anglojęzyczna oferta zajęć WNE UW
przedmioty obowiązkowe dla II roku Data Science
Punkty ECTS i inne: 4.00
Język prowadzenia: angielski
Rodzaj przedmiotu:

obowiązkowe

Skrócony opis:

Metody text mining oraz eksploracja danych tekstowych stają się kluczową umiejętnością w obliczu ilości napływających danych i informacji tekstowych dotyczących biznesu, badań i Internetu. Text mining koncentruje się głównie na nieustrukturyzowanych danych zaszytych w tekście. Głównym celem text miningu jest wydobycie z przetwarzanego tekstu praktycznej wiedzy. Kurs obejmuje najistotniejsze metody eksploracji tekstu, a także ich zastosowania w badaniu wzorców i trendów w mediach społecznościowych. Kurs prowadzony jest w pracowni komputerowej, co pozwala na praktyczne użycie narzędzi wspierających różne metody przetwarzania i analizy danych tekstowych. Kurs przeznaczony jest dla studentów studiów drugiego stopnia (Ekonometria i Informatyka, Data Science).

Pełny opis:

Kurs obejmuje:

‒ analiza danych nieustrukturyzowanych - podstawowe pojęcia i metody

‒ przetwarzanie języka naturalnego i text mining

‒ reprezentacja wiedzy i ekstrakcja informacji

‒ kategoryzacja tekstu

‒ klastrowanie tekstu

‒ wizualizacja tekstu

‒ modelowanie tematów

‒ analiza sentymentu

‒ analiza treści stron internetowych

‒ analiza mediów społecznościowych

‒ wzorce i trendy w wykorzystaniu mediów społecznościowych

‒ rozpowszechnianie informacji w sieciach społecznościowych

Literatura:

Artykuły (z najlepszych czasopism naukowych) oraz książki:

Ch. Aggarwal, Ch.X. Zhai (2012). Mining Text Data. Springer.

S. Bird, E. Klein, E. Loper (2009). Natural Language Processing with Python. O’Reilly Media.

D. Jurafsky, J.H. Martin (2008). Speech and Language Processing. Prentice Hall.

B. Liu, (2015). Sentiment analysis: Mining Opinions, Sentiments, and Emotions. Cambridge University Press

J.R. Taylor (ed) (2015). The Oxford handbook of the word. Oxford University Press.

S. Weiss, N. Indurkhya, T. Zhang (2010). Fundamentals of Predictive Text Mining. Springer.

R. Zafarani, M. A. Abbasi, H. Liu, (2014). Social Media Mining. An Introduction. Cambridge University Press

Efekty uczenia się:

‒ Student ma wiedzę na temat text miningu

‒ Student zna metodologię wykorzystywaną w text miningu

‒ Student potrafi wykorzystać wiedzę z text miningu do prowadzenia własnych badań

‒ Student samodzielnie przetwarza i analizuje dane

‒ Student potrafi pracować w grupach i współpracować z innymi

‒ Student potrafi sformułować swój punkt widzenia i wyrazić go w dyskusji

‒ Student wyraża swoją ciekawość badawczą i otwartość na zjawiska ekonomiczne

K_W01, K_U01, K_U02, K_U03, K_U04, K_U05, KS_01

Metody i kryteria oceniania:

Projekty zaliczeniowe wykonywane w grupach i testy zaliczeniowe

Zajęcia w cyklu "Semestr zimowy 2019/20" (zakończony)

Okres: 2019-10-01 - 2020-01-27
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 30 godzin więcej informacji
Koordynatorzy: Karolina Kuligowska, Jacek Lewkowicz
Prowadzący grup: Karolina Kuligowska, Jacek Lewkowicz
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Laboratorium - Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.