_____________________________________________________________________________________

Procesamiento de Lenguaje Natural con Aprendizaje Profundo 

ISABEL SEGURA BEDMAR

Departamento de Informática, Universidad Carlos III de Madrid

Área: Ciencias de la Computación e Inteligencia Artificial

Titulación: Máster de Ciencia y Tecnología Informática

Noviembre, 2023Compartir:    


TIEMPO DE APRENDIZAJE

Horas de clase de teoría y de laboratorio: 20 horas de clase y 55 horas de prácticas.
Tiempo total previsto de aprendizaje: 75 horas.

 

PRERREQUISITOS Y CONOCIMIENTOS PREVIOS RECOMENDADOS

- Aprendizaje Automático. 
- Redes Neuronales. 
- Python

 

DESCRIPCIÓN GENERAL DEL CURSO

El curso está dirigido para que los estudiantes conozcan las principales aplicaciones de Procesamiento de Lenguaje Natural y cómo las redes neuronales profundas pueden ser utilizadas para desarrollar soluciones a estas aplicaciones. 


OBJETIVOS: CONOCIMIENTOS Y CAPACIDADES

- Conocer las principales aplicaciones de PLN así como los principales enfoques basados en aprendizaje profundo utilizados para desarrollar soluciones para dichas aplicaciones. 

- Construir, entrenar y evaluar arquitecturas de redes neuronales profundas (redes neuronales convolucionales, redes neuronales recurrentes, LSTM, transformadores) para aplicaciones de Procesamiento de Lenguaje Natural (PLN) como la clasificación de texto, extracción de información, similitud de textos, generación automática de resúmenes y traducción automática. 

MATERIAL DOCENTE
El material incluye una colección de documentos con los principales conceptos teóricos vistos durante el curso junto con una extensa colección de ejercicios prácticos proporcionados en cuadernos (Jupyter notebooks) con código Python, que el estudiante podrá ejecutar facilmente desde su entorno de desarrollo (basado en Jupyter notebooks) o desde Google Colab. 
Dentro del material, también se proporciona una colección de vídeos cortos donde se presentan tanto conceptos teóricos como se explican pequeños ejemplos prácticos. 

ACTIVIDADES DE EVALUACIÓN O TAREAS PRÁCTICAS

Como principal tarea de evaluación, se propone una práctica donde el estudiante podrá aplicar todos los conceptos teóricos y prácticos vistos durante el curso para desarrollar distintos enfoques para resolver una tarea real de PLN, como fue la competición la competición SemEval-2023 Task 10: Explainable Detection of Online Sexism (EDOS) (https://github.com/rewire-online/edos).


Última modificación: lunes, 27 de noviembre de 2023, 16:56