Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Programa del Curso
Esquema detallado de la formación
- Introducción al PLN
- Comprendiendo el PLN
- Marco del PLN
- Aplicaciones comerciales del PLN
- Extracción de datos web
- Trabajando con diversas API para recuperar datos de texto
- Manejo y almacenamiento de corpora de texto, guardando contenido y metadatos relevantes
- Ventajas del uso del curso intensivo Python y NLTK
- Comprensión práctica de un corpus y conjunto de datos
- ¿Por qué necesitamos un corpus?
- Análisis de corpus
- Tipos de atributos de datos
- Diferentes formatos de archivo para corpora
- Preparación de un conjunto de datos para aplicaciones de PLN
- Comprendiendo la estructura de una oración
- Componentes del PLN
- Comprensión del lenguaje natural
- Análisis morfológico - raíz, palabra, token, etiquetas de habla
- Análisis sintáctico
- Análisis semántico
- Gestionando ambigüedad
- Preprocesamiento de datos de texto
- Corpus - texto crudo
- Tokenización de oraciones
- Stemming para texto crudo
- Lematización del texto crudo
- Eliminación de palabras vacías
- Corpus-oraciones crudas
- Word tokenización
- Word lematización
- Trabajando con matrices término-documento/documento-término
- Tokenización de texto en n-gramas y oraciones
- Preprocesamiento práctico y personalizado
- Corpus - texto crudo
- Análisis de datos de texto
- Características básicas del PLN
- Analizadores y análisis
- Etiquetado POS y etiquetadores
- Detección de entidades nombradas
- N-gramas
- Bolsa de palabras
- Características estadísticas del PLN
- Conceptos de álgebra lineal para PLN
- Teoría probabilística para PLN
- TF-IDF
- Vectorización
- Codificadores y decodificadores
- Normalización
- Modelos probabilísticos
- Ingeniería de características avanzadas y PLN
- Básicos del word2vec
- Componentes del modelo word2vec
- Lógica del modelo word2vec
- Extensión del concepto word2vec
- Aplicación del modelo word2vec
- Caso de estudio: Aplicación de bolsa de palabras: resumen automático de texto usando algoritmos simplificados y verdaderos de Luhn
- Características básicas del PLN
- Agrupamiento, clasificación y modelado temático de documentos
- Agrupamiento y minería de patrones en documentos (agrupación jerárquica, k-means, etc.)
- Comparando y clasificando documentos usando TFIDF, medida de distancia Jaccard y coseno
- Clasificación de documentos utilizando Naïve Bayes y Máxima Entropía
- Identificar textos importantes Elements
- Reducción de dimensionalidad: Análisis de Componentes Principales, Descomposición de Valor Singular no negativa
- Modelado temático e información de recuperación usando Análisis Semántico Latente
- Extracción de entidades, Sentiment Analysis y modelado temático avanzado
- Positivo vs. negativo: grado de sentimiento
- Teoría de Respuesta al ítem
- Etiquetado de partes del habla y su aplicación: encontrar personas, lugares y organizaciones mencionadas en el texto
- Modelado temático avanzado: Asignación Latente de Dirichlet
- Casos de estudio
- Mining de revisiones de usuarios no estructurados
- Clasificación y visualización del sentimiento en datos de reseñas de productos
- Mining de registros de búsqueda para patrones de uso
- Clasificación de texto
- Modelado temático
Requerimientos
Conocimiento y awareness de los principios de PLN (Procesamiento del Lenguaje Natural) y apreciación de la aplicación de IA en el negocio
(Note: "awareness" is not translated as there isn't a direct equivalent that maintains the exact meaning and impact in this context. If a translation should be provided, it would be "conocimiento y awareness," but ideally, it could be rephrased for better flow if allowed.) For better flow and natural language:Conocimiento de los principios del PLN (Procesamiento del Lenguaje Natural) y apreciación de la aplicación de IA en el negocio
21 Horas
Testimonios (1)
Siento que adquiero las habilidades clave necesarias para entender cómo se integra el ROS, y cómo estructurar proyectos en él.
Dan Goldsmith - Coventry University
Curso - ROS: Programming for Robotics
Traducción Automática
