Procesamiento del lenguaje natural - AI / Robótica

Plan de estudios detallado

1. Introducción al NLP
   • Comprensión del NLP
   • Frameworks de NLP
   • Aplicaciones comerciales del NLP
   • Extracción de datos de la web (web scraping)
   • Trabajo con diversas APIs para obtener datos de texto
   • Manejo y almacenamiento de corpus de texto, guardando contenido y metadatos relevantes
   • Ventajas de usar 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 archivos para corpus
   • Preparación de un conjunto de datos para aplicaciones de NLP
3. Comprensión de la Estructura de una Oración
   • Componentes del NLP
   • Comprensión del lenguaje natural
   • Análisis morfológico - raíz (stem), palabra, token, etiquetas de discurso
   • Análisis sintáctico
   • Análisis semántico
   • Gestión de la ambigüedad
4. Preprocesamiento de datos de texto
   • Corpus - texto en bruto
     • Tokenización de oraciones
     • Extracción de raíz (stemming) para texto en bruto
     • Lematización de texto en bruto
     • Eliminación de palabras de relleno (stop words)
   • Corpus - oraciones en bruto
     • Tokenización de palabras
     • Lematización de palabras
   • Trabajo con matrices Término-Documento / 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 (parsers) y análisis (parsing)
     • Etiquetado de partes del habla (POS tagging) y etiquetadores (taggers)
     • Reconocimiento de entidades nombradas
     • N-gramas
     • 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 usando los algoritmos de Luhn simplificado y verdadero
6. Clustering, Clasificación y Modelado de Tópicos de Documentos
   • Clustering de documentos y minería de patrones (clustering jerárquico, k-means, etc.)
   • Comparación y clasificación de documentos utilizando las medidas de distancia TFIDF, Jaccard y coseno
   • Clasificación de documentos usando Naïve Bayes y Entropía Máxima
7. Identificación de Elementos Importantes del Texto
   • Reducción de dimensionalidad: Análisis de Componentes Principales, Descomposición en Valores Singulares, factorización de matrices no negativas
   • Modelado de tópicos y recuperación de información utilizando Análisis Semántico Latente
8. Extracción de Entidades, Análisis de Sentimiento y Modelado de Tópicos Avanzado
   • Positivo vs. negativo: grado de sentimiento
   • Teoría de Respuesta a Ítems
   • Etiquetado de partes del habla y su aplicación: encontrar personas, lugares y organizaciones mencionadas en el texto
   • Modelado de tópicos avanzado: Latent Dirichlet Allocation (LDA)
9. Estudios de caso
   • Minería de reseñas de usuarios no estructuradas
   • Clasificación de sentimiento y visualización de Datos de Reseñas de Productos
   • Minería de registros de búsqueda para patrones de uso
   • Clasificación de texto
   • Modelado de tópicos