Kurz částečně vychází z knížky Natural Language Processing with Python (viz http://www.nltk.org/book/), která je pozvolným, souběžným úvodem do Pythonu i Natural Language Toolkit, určeným pro humanitně zaměřené studenty.

Psát programy v jazyce Python (viz https://www.python.org/) lze mnoha různými způsoby, my budeme primárně používat prostředí Jupyter (viz https://try.jupyter.org/), které umožňuje bezprostřední interakci a je tak přívětivé k začátečníkům. Navíc běží v prohlížeči, takže odpadají starosti s instalací. Zkušenějším kolegyním a kolegům ovšem nebude nijak bráněno v tom, aby používali prostředí jiné, jsou-li na ně zvyklí.

Hlavní okruhy (zde pro přehlednost tematicky sdružené, ale pořadí v rámci semestru se částečně liší, abychom vyvážili přísun nových informací s praktickým procvičováním):

1. ochutnávka, abychom věděli, k jakému cíli směřujeme

· jak vypadají složitější programy v Pythonu

· čeho lze s jejich pomocí dosáhnout

2. úvod do programovacího jazyka Python

· interaktivní programování jako konverzace s počítačem o objektech v jeho paměti

· různé typy kolekcí: textové řetězce, seznamy, slovníky, množiny, n-tice

· řídicí struktury: for-cyklus, podmínky

· tvorba vlastních funkcí (funkce = uložený postup, recept, který lze kdykoliv spustit)

3. základy kvantitativní analýzy jazykových dat

· abstraktní druh jazykové jednotky (typ) vs. její konkrétní výskyt v textu (token)

· frekvence a disperze jevů jako základní kvantifikační postupy

· práce s předpřipravenými jazykovými daty v NLTK

· vizualizace (wordcloud, dispersion plot)

4. zpracování surových textových dat

· formát "čistého textu", tzv. plain text

· kódování, zejm. Unicode a UTF-8

· regulární výrazy

5. algoritmizace, aneb jak poskládat jednoduché dílčí úkony, které nám Python dává k dispozici, tak, aby dohromady tvořily postup, který řeší nějaký netriviální úkol

6. práce s větším množstvím dat

· správa korpusů pomocí NLTK

· orientace ve strukturovaných plaintextových datech: zpracování korpusu ve formátu tzv. vertikály

7. využití lingvistické anotace při analýze jazykových dat

· lemmatizace, morfologické a syntaktické značkování

8. pokročilejší Python