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.
Duración 21 horas
Temario del curso
Plan de formación detallado
- Introducción al NLP
- Comprensión del NLP
- Frameworks de NLP
- Aplicaciones comerciales del NLP
- Extracción de datos de la web (Scraping)
- Trabajo con diversas API para recuperar datos de texto
- Manejo y almacenamiento de corpus de texto, guardando contenido y metadatos relevantes
- Ventajas de utilizar Python y curso intensivo de NLTK
- 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 conjuntos de datos para aplicaciones de NLP
- Comprensión de la Estructura de una Oración
- Componentes del NLP
- Comprensión del lenguaje natural
- Análisis morfológico: raíz, palabra, token, etiquetas de habla (speech tags)
- Análisis sintáctico
- Análisis semántico
- Manejo de la ambigüedad
- Preprocesamiento de datos de texto
- Corpus: texto bruto
- Tokenización de oraciones
- Reducción a raíz (Stemming) del texto bruto
- Leematización del texto bruto
- Eliminación de palabras de relleno (stop words)
- Corpus: oraciones brutas
- Tokenización de palabras
- Leematización de palabras
- Trabajo con matrices Término-Documento / Documento-Término
- Tokenización de texto en n-gramas y oraciones
- Preprocesamiento práctico y personalizado
- Corpus: texto bruto
- Análisis de datos de texto
- Características básicas del NLP
- Analizadores sintácticos (Parsers) y análisis sintáctico (parsing)
- Etiquetado POS (Palabra Oración) y etiquetadores
- Reconocimiento de entidades nombradas
- N-gramas
- Bolsa de palabras (Bag of words)
- 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 Bolsa de Palabras: resumen automático de texto utilizando algoritmos de Luhn simplificados y verdaderos
- Características básicas del NLP
- Agrupación (Clustering), Clasificación y Modelado de Temas de Documentos
- Agrupación de documentos y minería de patrones (agrupación jerárquica, k-means, etc.)
- Comparación y clasificación de documentos utilizando medidas de distancia TF-IDF, Jaccard y coseno
- Clasificación de documentos utilizando Bayes Naïve y Entropía Máxima
- Identificación de Elementos Importantes en el Texto
- Reducción de dimensionalidad: Análisis de Componentes Principales, Descomposición en Valores Singulares, Factorización de Matrices No Negativas
- Modelado de temas y recuperación de información utilizando Análisis Semántico Latente
- Extracción de Entidades, Análisis de Sentimiento y Modelado de Temas Avanzado
- Positivo vs. Negativo: grado de sentimiento
- Teoría de Respuesta a Ítems
- Etiquetado POS y su aplicación: encontrar personas, lugares y organizaciones mencionadas en el texto
- Modelado de temas avanzado: Asignación Latente Dirichlet (LDA)
- Estudios de caso
- Minería de reseñas de usuarios no estructuradas
- Clasificación y visualización de sentimiento de datos de reseñas de productos
- Minería de registros de búsqueda para patrones de uso
- Clasificación de texto
- Modelado de temas
Requerimientos
Conocimiento y dominio de los principios del NLP, así como una comprensión de la aplicación de la IA en el ámbito empresarial.
Reseñas (1)
Soporte individual
Simon the 2nd - Cboost
Curso - ROS: Programming for Robotics
Traducción Automática
