BMETEKTMsCEGNY-00

Nyomtatóbarát változatNyomtatóbarát változat
Tantárgy azonosító adatok
A tárgy címe: 
Emberi és gépi nyelvfeldolgozás
A tárgy angol címe: 
Language Processing in Humans and Machines
A tárgy rövid címe: 
EmeberiÉsGépiNyelvfeldolgozás
2
0
0
v
Kredit: 
3
A tantárgy felelős tanszéke: 
Kognitív Tudományi Tanszék
A tantárgy felelős oktatója: 
Dr. Lukács Ágnes
A tantárgy felelős oktatójának beosztása: 
egyetemi tanár
Akkreditációs adatok
Akkreditációra benyújtás időpontja: 
2024.05.06
Akkreditációs bizottság döntési időpontja: 
2024.07.05.
Tematika
A tantárgy szerepe a képzés céljának megvalósításában: 
TTK Számítógépes és kognitív idegtudomány MSc képzés kötelező tárgya
A tantárgy részletes tematikája magyarul és angolul: 

A kurzus célja, hogy megismertesse a hallgatókat az emberi nyelvfeldolgozás, nyelvelsajátítás és nyelvi produkció folyamataival, és e folyamatok nyelvészeti, pszichológiai és neurobiológiai alapjaival, valamint a kutatásban alkalmazott viselkedéses és agyi képalkotó módszerekkel is. Az órán olyan kérdéseket tárgyalunk, mint a beszéd dekódolása, a szavak előhívása, a mondatok szerkezetének feldolgozása és megértése, a beszéd tervezése és produkciója, valamint a nyelvfeldolgozás biológiai és kognitív alapjai. Emellett kitérünk a nyelvtanulásra, beleértve a csecsemők anyanyelvelsajátítását és a felnőttek idegennyelv-tanulását, valamint a nyelvi képességet érintő fejlődési és szerzett zavarokra is.

A kurzus rövid bevezetőt kínál a gépi természetesnyelv feldolgozáshoz használt eszközök, köztük neurális hálók használatába is, ideértve a hozzájuk használt alkalmazásprogramozási interfészeket is: szó lesz az OpenAI Whisper és GPT4, a Mistral, és a specifikusan a magyarra tanított Puli modellről is.

Követelmények szorgalmi időszakban: 
Részvétel az órákon
Követelmények vizsgaidőszakban: 
Írásbeli vizsga
Pótlási lehetőségek: 
A TVSZ szerint
Konzultációs lehetőségek: 
Az oktató fogadóóráin és emailen
Jegyzet, tankönyv, felhasználható irodalom: 
Sedivy, Julie (2014). Language in mind: An introduction to psycholinguistics. Sunderland, MA: Sinauer.
Pléh, Csaba és Lukács, Ágnes (2014) (szerk) Pszicholingvisztika 1-2. Magyar pszicholingvisztikai kézikönyv. Budapest: Akadémiai.
Silge, Julia, and David Robinson. Text mining with R: A tidy approach. " O'Reilly Media, Inc.", 2017.
Rothman, Denis. Transformers for Natural Language Processing: Build, train, and fine-tune deep neural network architectures for NLP with Python, Hugging Face, and OpenAI's GPT-3, ChatGPT, and GPT-4. Packt Publishing Ltd, 2022.
A tárgy elvégzéséhez átlagosan szükséges tanulmányi munka mennyisége órákban (a teljes szemeszterre számítva)
Kontakt óra: 
28
Félévközi felkészülés órákra: 
34
Felkészülés zárthelyire: 
0
Zárthelyik megírása: 
0
Házi feladat elkészítése: 
0
Kijelölt írásos tananyag elsajátítása (beszámoló): 
0
Egyéb elfoglaltság: 
0
Vizsgafelkészülés: 
28
Összesen: 
90
Ellenőrző adat: 
90
A tárgy tematikáját kidolgozta
Név: 
Dr. Lukács Ágnes
Beosztás: 
egyetemi tanár
Munkahely (tanszék, kutatóintézet, stb.): 
Kognitív Tudományi Tanszék
Név: 
Dr. Rácz Péter
Beosztás: 
egyetemi adjunktus
Munkahely (tanszék, kutatóintézet, stb.): 
Kognitív Tudományi Tanszék
A tanszékvezető neve: 
Dr. Babarczy Anna