Co byste mohli chtít vědět o studiu matematické lingvistiky na MFF

Kdo jsme

Ústav formální a aplikované lingvistiky je jeden z ústavů MFF UK. Navazuje na výzkum komputační lingvistiky, který začal na FF UK (a později pokračoval na MFF) už v 60. letech 20. století. Zaměstnává přibližně 50 pracovníků, z nichž přes polovinu jsou studenti doktorského studia.

Ústav se zabývá komputační lingvistikou, což je zpracování přirozeného jazyka (v psané i mluvené podobě) počítači. Důraz je kladen na několikaúrovňovou analýzu textového korpusu češtiny.

Korpus je soubor textů v elektronické podobě, obvykle mluvnicky zpracovaných (např. s doplněnýni informacemi o morfologii nebo větné stavbě), který slouží k tvorbě jazykových aplikací (např. kontrola pravopisu nebo strojový překlad) a k výzkumu.

Čím se zabýváme

A. Korpusová lingvistika

1. Pražský závislostní korpus (Prague Dependency Treebank)
112 uživatelů z celého světa, 2 000 000 anotovaných slov, 3 roviny popisu jazyka, nyní verze 2.0

Některé kontury problému se však po oživení Havlovým projevem zdají být jasnější.

2. Prague Arabic Dependency Treebank

3. Prague Czech-English Dependency Treebank

Podle jeho názoru bylo vedení UAL o financování původní transakce informováno nesprávně.
According to his opinion UAL's executives were misinformed about the financing of the original transaction.

B. Strojový překlad

• překlad mezi blízkými jazyky
• překlad čeština-angličtina a angličtina-čeština

C. Rozpoznávání řeči, přístup k velkým řečovým archivům

Multilingual Access to Large Spoken Archives (MALACH)

• archiv nahrávek Survivors of the Shoah Visual History Foundation – výpovědi přeživších holocaust
• (116 000 hodin, 32 jazyků, 52 000 výpovědí)
• digitalizace, katalogizace archivu, tématická klasifikace svědectví
• ve spolupráci s 3 pracovišti z USA a 1 českým

D. ... a mnoho dalšího

např.:

• v letech 2000-2004 hlavní podíl na jednom z center národního výzkumu Centru komputační lingvistiky, špičkovém vědeckém pracovišti, jehož pokračování získalo podporu MŠMT i pro léta 2005-2009
• spolupráce s mnoha, zejména zahraničními, pracovišti
• spolupráce s firmami IBM, Microsoft, ASPI systems, Centrum.cz, Skřivánek
• rozvoj teorie popisu přirozeného jazyka (tzv. Funkčni generativní popis, rozvíjen od 60. let 20. století)
• vývoj nástrojů pro anotaci korpusů (morfologický analyzátor, parsery, anotační nástroj TrEd...)
• organizace prestižního XVII International Congress of Linguists v červenci 2003 v Praze
• vydávání časopisu The Prague Bulletin of Mathematical Linguistics (289 odběratelů z 53 zemí na 5 kontinentech)

Co můžeme studentům nabídnout?

• moderní vědní obor
• mezinárodně uznávané pracoviště
• zapojení do běžících projektů – ÚFAL se nyní účastní řešení 26 (českých i zahraničních) grantů – a podporu při jejich řešení
• cestování
  • dlouhodobé studijní pobyty na zahraničních univerzitách – Baltimore (USA), Saarbrücken (D), Hamburk (D), Pisa (I) – r. 2004: 3 studenti
  • účast na konferencích a workshopech – r. 2004: 14 studentů na 9 konferencích
  • letní školy v zahraničí – Baltimore (USA), Trento (I), Vídeň (A), Nancy (F), Edinburgh (GB), ... – r. 2004: 3 studenti
  • pracovní pobyty – r. 2004: 4 studenti na University of Saarland, Saarbrücken (D) a Brown University, Providence (USA)
• možnost získání magisterských titulů zároveň na MFF a na některé zahraniční univerzitě – Saarbrücken (D), Bolzano (I), Nancy (F) nebo Amsterdam (NL) – program Erasmus Mundus v oboru "Language and Communication Technology"
• mladý a sympatický kolektiv
• výpočetní techniku s výkonem dostatečným pro náročné lingvistické výpočty
• přednášky předních zahraničních odborníků, např. každoroční jarní školy v sémiotice a lingvistice, které pořádá "dceřiné" Centrum Viléma Mathesia

Co se u nás studuje

Jsme garantem magisterského studijního oboru Matematická lingvistika, I3 (obor magisterského studijního programu Informatika) a doktorského studijního oboru Matematická lingvistika, I-3.

Předmět studia

• Formální popis přirozeného jazyka (základy obecné lingvistiky; závislostní a složková syntax; Funkční generativní popis; formální sémantika)
• Jazykové korpusy, strojové učení a stochastické metody
• Automatické zpracování přirozeného jazyka (automatická analýza a generování přirozeného jazyka – morfologie, syntax; analýza a syntéza mluvené řeči; vyhledávání a extrakce informací; strojový překlad)

Studijní plán magisterského oboru

• povinná výuka programu informatika
• povinné předměty oboru I3
• 20 bodů z povinně volitelných lingvistických předmětů (v r. 2004/2005 vyučováno 35 předmětů pokrývajících celou oblast komputační lingvistiky)
• získání bodového limitu 60 bodů
• volitelný projekt (10 bodů + 4 body pro nejlepší řešitele)
• diplomka + státní závěrečná zkouška

Uplatnění našich studentů a pracovníků

• na jakékoliv pozici vyžadující informatické vzdělání
• ve firmách, s nimiž spolupracujeme, zejména IBM Research ČR (viz rovněž bývalé spolupracovníky)
• v doktorském studiu lingvistiky – na ÚFALu program Matematická lingvistika (I3), nebo na jiných univerzitách
• nebo třeba jako ministr školství (Petr Piťha, 1992-1994) :-)