Procesamiento del lenguaje natural - AI / Robótica

Detalle del programa de capacitación

1. Introducción a NLP
   • Comprensión de NLP
   • Frameworks de NLP
   • Aplicaciones comerciales de NLP
   • Extracción de datos de la web (Scraping)
   • Trabajo con diversas API para recuperar datos de texto
   • Gestión y almacenamiento de corpus de texto, guardando contenido y metadatos relevantes
   • Beneficios 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 archivo para corpus
   • Preparación de un conjunto de datos para aplicaciones de NLP
3. Comprensión de la Estructura de una Oración
   • Componentes de NLP
   • Comprensión del lenguaje natural
   • Análisis morfológico: raíz (stem), palabra, token, etiquetas de categoría gramatical
   • Análisis sintáctico
   • Análisis semántico
   • Manejo de la ambigüedad
4. Preprocesamiento de datos de texto
   • Corpus - texto sin procesar
     • Segmentación de oraciones (Sentence tokenization)
     • Extracción de raíces (Stemming) para texto sin procesar
     • Lematización de texto sin procesar
     • Eliminación de palabras de alto uso (Stop words)
   • Corpus - oraciones sin procesar
     • Segmentación de palabras (Word tokenization)
     • Lematización de palabras
   • Trabajo con matrices Término-Documento / Documento-Término
   • Segmentación de texto en n-gramas y oraciones
   • Preprocesamiento práctico y personalizado
5. Análisis de datos de texto
   • Características básicas de NLP
     • Analizadores sintácticos (Parsers) y análisis sintáctico (Parsing)
     • Etiquetado de categorías gramaticales (POS) y etiquetadores (Taggers)
     • Reconocimiento de entidades nombradas
     • N-gramas
     • Bag of Words (Bolsa de palabras)
   • Características estadísticas de 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: resumido automático de texto utilizando los algoritmos simplificado y verdadero de Luhn
6. Agrupación de Documentos, Clasificación y Modelado de Temas
   • Agrupación de documentos y minería de patrones (agrupación jerárquica, k-means, etc.)
   • Comparación y clasificación de documentos utilizando medidas de distancia TFIDF, Jaccard y distancia coseno
   • Clasificación de documentos utilizando Bayes Naive y Entropía Máxima
7. Identificación de Elementos de Texto Importantes
   • Reducción de dimensionalidad: Análisis de Componentes Principales, Descomposición en Valores Singulares, factorización de matriz no negativa
   • Modelado de temas y recuperación de información utilizando Análisis Semántico Latente
8. Extracción de Entidades, Análisis de Sentimientos y Modelado de Temas Avanzado
   • Positivo vs. negativo: grado de sentimiento
   • Teoría de la Respuesta al Ítem (Item Response Theory)
   • Etiquetado de categorías gramaticales y su aplicación: encontrar personas, lugares y organizaciones mencionadas en el texto
   • Modelado de temas avanzado: Asignación de Dirichlet Latente (Latent Dirichlet Allocation)
9. Estudios de caso
   • Minería de reseñas de usuarios no estructuradas
   • Clasificación y visualización de sentimientos de datos de reseñas de productos
   • Minería de registros de búsqueda para patrones de uso
   • Clasificación de texto
   • Modelado de temas