Технология развития критического мышления, технология проблемного обучения, кейс-технология, коммуникативные технологии, технология портфолио, перевернутый класс

1. Важность наличия у вашего чатбота хорошей базы знаний (The importance of having a good knowledge base for your chatbot) URL: https://blog.kmslh.com/blog/5-reasons-chatbots-need-a-strong-knowledge-base
2. Дополнительные инструкции по написанию чатботов (Additional guides to writing chatbots) URL: https://apps.worldwritable.com/tutorials/chatbot/
3. Игровой питч: как подготовиться к презентации проекта URL: https://vc.ru/flood/29103-igrovoy-pitch-kak-podgotovitsya-k-prezentacii-proekta
4. Как сделать хороший питч: модель для сборки https://tceh.com/post/kak-sdelat-horoshij-pitch/
5. Определение намерений пользователя с помощью чатботов (Detecting intent using chatbots) URL: https://medium.com/@brijrajsingh/chat-bots-designing-intents-and-entities-for-your-nlp-models-35c385b7730d
6. Популярные во всем мире чатботы (Popular chatbots in the world) URL: https://www.wordstream.com/blog/ws/2017/10/04/chatbots
7. Сквозные технологии цифровой экономики URL: http://datascientist.one/skvoznye-texnologii-digital-economy/
8. Создание простого чатбота на основе NLP на языке Python (Building a simple NLP based chatbot in Python) URL: https://blog.eduonix.com/internet-of-things/simple-nlp-based-chatbot-python/
9. Создание простого чатбота на Python с нуля (с использованием NLTK) (Building a simple chatbot from scratch in Python (using NLTK) URL: https://medium.com/analytics-vidhya/building-a-simple-chatbot-in-python-using-nltk-7c8c8215ac6e

Материалы модуля представлены в виде сверстанного курса на платформе МЭО.
Все слушатели получают авторизованный доступ к системе дистанционного обучения, расположенной в сети Интернет, к учебно-методическим материалам электронного курса, который является неотъемлемой частью программы.

1. Брюс П., Брюс Э. Практическая статистика для специалистов Data Science. – БХВ-Петербург, 2018. 304 с.
2. Хобсон Лейн, Ханнес Макс Хапке, Коул Ховард. Обработка естественного языка в действии – СПб: Издательский дом «Питер», 2020. – 576 с.
3. Нишант Ш. Машинное обучение и TensorFlow. – СПб: Издательский дом «Питер», 2019. – 336 с.
4. Судхарсан Равичандиран Глубокое обучение с подкреплением на Python. OpenAI Gym и TensorFlow для профи / Равичандиран Судхарсан. – СПб.: Питер, 2019. – 251 с.
5. Carney M. et al. Teachable machine: Approachable Web-based tool for exploring machine learning classification //Extended abstracts of the 2020 CHI conference on human factors in computing systems. – 2020. – С. 1-8.
6. Awad E. et al. The moral machine experiment //Nature. – 2018. – Т. 563. – №. 7729. – С. 59-64.
7. Gorbachev Y. et al. OpenVINO deep learning workbench: Comprehensive analysis and tuning of neural networks inference //Proceedings of the IEEE/CVF International Conference on Computer Vision Workshops. – 2019. – С. 0-0.
8. Харрисон М. Машинное обучение: карманный справочник. Краткое руководство по методам структурированного машинного обучения на Python.: Пер. с англ. - СПб.: ООО "Диалектика", 2020 - 320 с.
9. Элбон К. Машинное обучение с использованием Python. Сборник рецептов: Пер. с англ. — СПб.: БХВ-Петербург, 2019. — 384 с.