Studiju modulis “Valodu tehnoloģijas multimodālās informācijas apstrādei” galvenokārt ir vērsts uz padziļinātu un augsti specializētu zināšanu līmeņa kompetenču un prasmju attīstīšanu studentiem, kuri apgūst gan humanitāro zinātņu, gan starpdisciplināro STEM+ balstītu, gan informācijas tehnoloģijas studiju programmas.
Studiju moduļa mērķis ir lekciju, darbsemināru un praktisko nodarbību cikla ietvaros sniegt studentiem iespēju mācīties līdzdarboties, piedāvājot un radot risinājumus starpdisciplināriem, dažāda sarežģītības līmeņa, ar valodu tehnoloģiju un ierobežotās definīcijas saistītiem multimodālās informācijas apstrādes izaicinājumiem.
Studiju moduļa uzdevumi ir sniegt studentiem iespēju praktizēt savas iemaņas un pilnveidot izpratni par pievienoto vērtību, ko multimodālās informācijas apstrādes metodes un rīki var nodrošināt multimodālā digitālā satura radīšanā un izplatīšanā, digitālajā rediģēšanā un publicēšanā, tekstuālas informācijas mijiedarbībā, jēdzienu, telpisko un secīgo attiecību noteikšanā, ar emocijām saistīto vārdu nozīmes tekstā novērtēšanā, sintagmatisko un paradigmatisko nozīmju dimensiju izpētē, ar noskaņojumu saistīto raksturojumu un kontekstuālo iezīmju atlasē, spēļu izstrādē un lokalizācijā, digitālajā reklāmā un semiotikas datu pārvaldībā, teksta semantiskās informācijas izgūšanā, analīzē, klasificēšanā un novērtēšanā, emociju un noskaņojumu identificēšanā, polaritātes analīzē.

­

Šobrīd vari studēt: 

 

Datorizētā semantika un pragmatika (ETH727)

Studē BEZMAKSAS (nav jābūt RTU studentam) MOOC platformā!
Pasniedzējas: Tatjana Smirnova, Tatjana Hramova, Zane Seņko, Oksana Ivanova, Alīna Vagele-Kricina, Tatjana Menise, Marina Platonova
Līdztekus vispusīgam pārskatam par fundamentāliem jautājumiem, kas saistīti ar semantisko un pragmatisko datu izgūšanu, vākšanu, organizēšanu un apstrādi (semantiskie un tematiskie lauki, nozīmes atveidojums, nozīmes paplašināšana, jēdzienu kartēšana un ontoloģiju veidošana, diskursa un patiesumvērtības analīze), studenti iepazīsies ar jaunākajiem sasniegumiem dabiskās valodas apstrādes un tekstrades jomā, kas viņiem palīdzēs izveidot visaptverošu teorētisko ietvaru dažādu ar dabiskās valodas apstrādi un tekstradi saistītu uzdevumu veikšanai.
Studenti apgūs kompozicionālās un distributīvās semantikas pamatus, mācīsies analizēt tēmu struktūru un attīstīs savas prasmes semantisko modeļu, t.i., semantisko tīklu, taksonomiju, ontoloģiju un zināšanu grafu veidošanā un eksistējošo modeļu pielāgošanā un pielietošanā. 
 

Multimodālā digitālā semiotika (ETH728)

Studē BEZMAKSAS (nav jābūt RTU studentam) MOOC platformā!
Pasniedzējas: Marina Platonova, Tatjana Menise, Tatjana Smirnova, Tatjana Hramova, Alīna Vagele-Kricina, Oksana Ivanova, Zane Seņko
Studiju kurss veicina studentu izpratni par dažādām tekstā un/vai citos formātos balstītām semiotikas sistēmām un palīdz attīstīt visaptverošu izpratni par to pārmaiņu un aktuālajām attīstības tendencēm digitālo tehnoloģiju un mediju ietekmē. Apgūstot studiju kursu, studenti padziļinās zināšanas par dažādām zīmju sistēmām, tekstuālas informācijas mijiedarbību, jēdzienu attiecībām, telpiskajām attiecībām, secīgajām attiecībām, kā arī sintagmatiskajām un paradigmatiskajām nozīmju dimensijām. Studenti attīstīs padziļinātu kompetenci multimodāla satura radīšanā un izplatīšanā, lietojot digitālos medijus, kā arī iegūs padziļinātu kompetenci digitālo semiotisko resursu izstrādē, pielāgošanā un uzturēšanā.
Studiju kursa programma ir sabalansēta tā, lai aptvertu virkni teorētisko un praktisko jautājumu, demonstrējot pievienoto vērtību, ko dod valodu tehnoloģiju ieviesto risinājumu integrēšana multimodālu digitālo semiotisko resursu izstrādē, pielāgošanā un uzturēšanā.
Studenti praktizēs digitālā satura radīšanu, rediģēšanu un izplatīšanu dažādos formātos, izmantojot digitālos līdzekļus, kā arī attīstīs savu pašizpausmi digitālās semiotikas jomā. Studenti pilnveidos izpratni par pievienoto vērtību, ko multimodālās digitālās semiotikas metodes un rīki var nodrošināt multimodālā digitālā satura radīšanā, digitālajā rediģēšanā un publicēšanā, spēļu izstrādē un lokalizācijā, digitālajā reklāmā un semiotikas datu pārvaldībā.
 

Digitālā sentimentu analīze (ETH729)

Studē BEZMAKSAS (nav jābūt RTU studentam) MOOC platformā!
Pasniedzējas: Marina Platonova, Tatjana Hramova, Tatjana Smirnova, Zane Seņko, Oksana Ivanova, Alīna Vagele-Kricina, Tatjana Menise
Studiju kurss paredzēts augstākā līmeņa studiju programmu studentiem ar pamatzināšanām dabiskās valodas apstrādē, kuri vēlas pilnveidot savas kompetences noskaņojuma analīzē un tekstuālu datu apstrādē dažādu ar nozari saistītu lietišķo uzdevumu risināšanai.
Studenti mācīsies klasificēt nestrukturētus un daļēji strukturētus datus, lai noteiktu noskaņojuma polaritāti (piemēram, pozitīvs, negatīvs vai neitrāls), izmantojot bezmaksas un/vai maksas rīkus, ko viņi pielāgos savām pētniecības, mācību un profesionālajām vajadzībām. Studenti mācīsies izgūt un atlasīt ar noskaņojumu saistītos raksturojumus un kontekstuālās iezīmes, lietojot atbilstošus modeļus, un novērtēt ar emocijām saistīto vārdu nozīmi tekstā un kopējo analizētā teksta noskaņojumu.
Studenti attīstīs prasmes izgūt teksta semantisko informāciju, to analizēt, klasificēt un novērtēt noskaņojuma kontekstā, lai uzlabotu klientu pieredzi, kā arī kvalitātes nodrošināšanas nolūkos. Studenti apgūs runas marķēšanu, lietvārdu salikteņu iegūšanu, emociju identificēšanu un noskaņojuma analīzi, pievērsīsies tādiem jēdzieniem kā polaritāte, nodomi un subjektivitāte, praktiski strādājot ar Python programmēšanas valodu un tajā pieejamām bibliotēkām noskaņojuma analīzei, piemēram, NLTK un TextBlob. Praktisko uzdevumu ietvaros studenti realizēs leksikonā balstītu noskaņojuma analīzi (piemēram, izmantojot VADER (Valence Aware Dictionary and sEntiment Reasoner) leksikonu), izmantos iepriekš apmācītus modeļus dažādiem klasifikācijas uzdevumiem, ieskaitot noskaņojuma identificēšanai (piemēram, RoBERTa modeli vai citus pieejamos transformera tipa modeļus, kas pieejami apkopotā veidā Hugging Face platformā) un citus risinājumus, piemēram, Matplotlib bibliotēku rezultātu vizualizācijai un novērtēšanai.