Procesamiento del lenguaje natural - AI / Robótica

Temario detallado de la formación

1. Introducción al NLP
   • Comprensión del NLP
   • Frameworks de NLP
   • Aplicaciones comerciales del NLP
   • Recopilación de datos desde la web (scraping)
   • Trabajo con diversas APIs para recuperar datos de texto
   • Trabajo y almacenamiento de corpus de texto, guardando contenido y metadatos relevantes
   • Ventajas del uso de Python y curso intensivo de NLTK
2. Comprensión práctica de un corpus y un conjunto de datos
   • ¿Por qué necesitamos un corpus?
   • Análisis de corpus
   • Tipos de atributos de datos
   • Diferentes formatos de archivo para corpus
   • Preparación de un conjunto de datos para aplicaciones de NLP
3. Comprensión de la estructura de las oraciones
   • Componentes del NLP
   • Comprensión del lenguaje natural
   • Análisis morfológico: raíz (stem), palabra, token, etiquetas de habla
   • Análisis sintáctico
   • Análisis semántico
   • Manejo de la ambigüedad
4. Preprocesamiento de datos de texto
   • Corpus: texto en bruto
     • Tokenización de oraciones
     • Aplicación de stems a texto en bruto
     • Lematización de texto en bruto
     • Eliminación de palabras de uso frecuente (stop words)
   • Corpus: oraciones en bruto
     • Tokenización de palabras
     • Lematización de palabras
   • Trabajo con matrices término-documento y documento-término
   • Tokenización de texto en n-gramas y oraciones
   • Preprocesamiento práctico y personalizado
5. Análisis de datos de texto
   • Características básicas del NLP
     • Analizadores sintácticos (parsers) y análisis sintáctico
     • Etiquetado de categorías gramaticales (POS tagging) y etiquetadores
     • Reconocimiento de entidades nombradas
     • N-gramas
     • Modelo Bag of Words (Bolsa de Palabras)
   • Características estadísticas del NLP
     • Conceptos de álgebra lineal para NLP
     • Teoría probabilística para NLP
     • TF-IDF
     • Vectorización
     • Codificadores y decodificadores
     • Normalización
     • Modelos probabilísticos
   • Ingeniería de características avanzada y NLP
     • Básicos de word2vec
     • Componentes del modelo word2vec
     • Lógica del modelo word2vec
     • Extensión del concepto word2vec
     • Aplicación del modelo word2vec
   • Estudio de caso: Aplicación de Bag of Words: resumen automático de texto utilizando algoritmos de Luhn simplificados y reales
6. Agrupación, clasificación y modelado de temas de documentos
   • Agrupación de documentos y minería de patrones (agrupación jerárquica, k-means, clustering, etc.)
   • Comparación y clasificación de documentos utilizando medidas de distancia TFIDF, Jaccard y coseno
   • Clasificación de documentos utilizando Naïve Bayes y Entropía Máxima
7. Identificación de elementos de texto importantes
   • Reducción de dimensionalidad: Análisis de Componentes Principales, Descomposición en Valores Singulares (SVD), factorización de matrices no negativas
   • Modelado de temas y recuperación de información mediante Análisis Semántico Latente
8. Extracción de entidades, análisis de sentimientos y modelado de temas avanzado
   • Positivo vs. negativo: grado de sentimiento
   • Teoría de Respuesta al Ítem (IRT)
   • Etiquetado de categorías gramaticales y su aplicación: encontrar personas, lugares y organizaciones mencionadas en el texto
   • Modelado de temas avanzado: Asignación Latente de Dirichlet (LDA)
9. Estudios de caso
   • Minería de reseñas de usuarios no estructuradas
   • Clasificación y visualización de sentimientos en datos de reseñas de productos
   • Minería de registros de búsqueda para patrones de uso
   • Clasificación de texto
   • Modelado de temas