Contacta con nosotros

Temario del curso

Programa detallado del curso

  1. Introducción al PLN
    • Comprensión del PLN
    • Marcos de trabajo para el PLN
    • Aplicaciones comerciales del PLN
    • Rastreo de datos en la web
    • Uso de diversas API para obtener datos textuales
    • Gestión y almacenamiento de corpora de texto, guardando contenido y metadatos relevantes
    • Ventajas de utilizar Python y curso intensivo de NLTK
  2. Comprensión práctica de un corpus y conjunto de datos
    • ¿Por qué necesitamos un corpus?
    • Análisis del corpus
    • Tipos de atributos de datos
    • Diferentes formatos de archivos para corpora
    • Preparación de un conjunto de datos para aplicaciones de PLN
  3. Comprensión de la estructura de las oraciones
    • Componentes del PLN
    • Comprensión del lenguaje natural
    • Análisis morfológico: base léxica, palabra, token y etiquetas gramaticales
    • Análisis sintáctico
    • Análisis semántico
    • Gestión de la ambigüedad
  4. Preprocesamiento de datos textuales
    • Corpus: texto sin procesar
      • Tokenización de oraciones
      • Obtención de la base léxica para texto sin procesar
      • Lematización del texto sin procesar
      • Eliminación de palabras vacías
    • Corpus: oraciones sin procesar
      • Tokenización de palabras
      • Lematización de palabras
    • Gestión de matrices Término-Documento / Documento-Término
    • Tokenización de texto en n-gramas y oraciones
    • Preprocesamiento práctico y personalizado
  5. Análisis de datos textuales
    • Características básicas del PLN
      • Analizadores y análisis sintáctico
      • Etiquetado POS y etiquetadores
      • Reconocimiento de entidades nombradas
      • N-gramas
      • Bolsa de palabras (Bag of words)
    • Características estadísticas del PLN
      • Conceptos de álgebra lineal aplicados al PLN
      • Teoría probabilística para el PLN
      • TF-IDF
      • Vectorización
      • Codificadores y decodificadores
      • Normalización
      • Modelos probabilísticos
    • Ingeniería avanzada de características y PLN
      • Fundamentos de word2vec
      • Componentes del modelo word2vec
      • Lógica del modelo word2vec
      • Extensión del concepto de word2vec
      • Aplicación del modelo word2vec
    • Caso de estudio: Aplicación de la bolsa de palabras: resumen automático de texto utilizando los algoritmos simplificado y real de Luhn
  6. Agrupamiento, clasificación y modelado temático de documentos
    • Agrupamiento de documentos y minería de patrones (agrupamiento jerárquico, k-means, etc.)
    • Comparación y clasificación de documentos utilizando medidas de distancia TFIDF, Jaccard y coseno
    • Clasificación de documentos mediante Naive Bayes y Máxima Entropía
  7. Identificación de elementos textuales importantes
    • Reducción de dimensionalidad: Análisis de Componentes Principales (PCA), Descomposición en Valores Singulares (SVD) y Factorización Matricial No Negativa
    • Modelado temático y recuperación de información mediante Análisis Semántico Latente
  8. Extracción de entidades, análisis de sentimientos y modelado temático avanzado
    • Peso positivo vs. negativo: grado de sentimiento
    • Teoría de Respuesta al Ítem
    • Etiquetado POS y su aplicación: identificación de personas, lugares y organizaciones mencionados en el texto
    • Modelado temático avanzado: Distribución Dirichlet Latente
  9. Casos de estudio
    • Minería de reseñas de usuarios no estructuradas
    • Clasificación y visualización del sentimiento en datos de reseñas de productos
    • Minería de registros de búsqueda para identificar patrones de uso
    • Clasificación de texto
    • Modelado temático

Requerimientos

Conocimiento y comprensión de los principios del PLN y una apreciación de las aplicaciones de la IA en el ámbito empresarial

 21 Horas

Número de participantes


Precio por participante

Reseñas (1)

Próximos cursos

Categorías Relacionadas