The Application of AI in Humanities and Social Sciences - JTB349

• Title: Využití AI v humanitních a společenských vědách
• Czech title: Využití AI v humanitních a společenských vědách
• Guaranteed by: Department of Russian and East European Studies (23-KRVS)
• Faculty: Faculty of Social Sciences
• Actual: from 2023
• Semester: summer
• E-Credits: 4
• Examination process: summer s.:
• Hours per week, examination: summer s.:1/1, C [HT]
• Capacity: unknown / unlimited (25)
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: taught
• Language: Czech
• Teaching methods: full-time
• Teaching methods: full-time
• Note: course can be enrolled in outside the study plan; enabled for web enrollment; priority enrollment if the course is part of the study plan
• Guarantor: PhDr. Jiří Kocián, Ph.D.; doc. Mgr. Barbora Vidová Hladká, Ph.D.
• Teacher(s): PhDr. Jiří Kocián, Ph.D.; doc. Mgr. Barbora Vidová Hladká, Ph.D.
• Class: Courses not for incoming students

Annotation

Last update: 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).

Aim of the course

Last update: 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.

Course completion requirements

Last update: PhDr. Jiří Kocián, Ph.D. (05.03.2024)

- aktivní participace na hodinách

- průběžné plnění domácích úkolů

- příprava, konzultace a realizace závěrečného projektu

Literature

Last update: 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]

Teaching methods

Last update: 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.

Syllabus

Last update: 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