Contacta con nosotros

Temario del curso

Bosquejo detallado de la capacitación

  1. Introducción al PLN
    • Comprensión del PLN
    • Frameworks de PLN
    • Aplicaciones comerciales del PLN
    • Extracción de datos de la web
    • Trabajo con diversas APIs para recuperar datos de texto
    • Trabajo y almacenamiento de corpora textuales, guardando contenido y metadatos relevantes
    • Ventajas de usar Python y curso intensivo de NLTK
  2. 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
  3. Comprensión de la estructura de una frase
    • Componentes del PLN
    • Comprensión del lenguaje natural
    • Análisis morfológico - raíz, palabra, token, etiquetas gramaticales
    • Análisis sintáctico
    • Análisis semántico
    • Gestión de la ambigüedad
  4. Preprocesamiento de datos de texto
    • Corpus - texto en bruto
      • Tokenización de oraciones
      • Lematización para texto en bruto
      • Raíz de palabras para texto en bruto
      • Eliminación de palabras vacías
    • 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 PLN
      • Analizadores y análisis sintáctico
      • Etiquetado gramatical y etiquetadores
      • Reconocimiento 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 descodificadores
      • Normalización
      • Modelos probabilísticos
    • Ingeniería avanzada de características y PLN
      • Fundamentos de word2vec
      • Componentes del modelo word2vec
      • Lógica del modelo word2vec
      • Extensión del concepto word2vec
      • Aplicación del modelo word2vec
    • Caso de estudio: Aplicación de la bolsa de palabras: resumen automático de texto usando algoritmos simplificados y verdaderos de Luhn
  6. Agrupamiento documental, clasificación y modelado temático
    • Agrupamiento documental y minería de patrones (agrupamiento jerárquico, k-medias, etc.)
    • Comparación y clasificación de documentos usando medidas de distancia TFIDF, Jaccard y coseno
    • Clasificación de documentos usando Bayes ingenuo y Máxima Entropía
  7. Identificación de elementos importantes del texto
    • Reducción de dimensionalidad: Análisis de Componentes Principales, Descomposición en Valores Singulares, factorización no negativa de matrices
    • Modelado temático y recuperación de información usando Análisis Semántico Latente
  8. Extracción de entidades, análisis de sentimiento y modelado temático avanzado
    • Positivo vs. negativo: grado de sentimiento
    • Teoría de respuesta al ítem
    • Etiquetado gramatical y su aplicación: encontrar personas, lugares y organizaciones mencionadas en el texto
    • Modelado temático avanzado: Alocución Dirichlet Latente (LDA)
  9. Casos de estudio
    • 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 temático

Requerimientos

Conocimiento y conciencia de los principios del PLN y una apreciación de la aplicación de la IA en los negocios

 21 Horas

Número de participantes


Precio por participante

Reseñas (1)

Próximos cursos

Categorías Relacionadas