Última actualización: 15/05/2023


Curso Académico: 2024/2025

Procesamiento del lenguaje natural con aprendizaje profundo
(18834)
Máster Universitario en Ciencia y Tecnología Informática (Plan: 462 - Estudio: 71)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: SEGURA BEDMAR, ISABEL

Departamento asignado a la asignatura: Departamento de Informática

Tipo: Obligatoria
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Objetivos
- Diseñar y entrenar arquitecturas de redes neuronales profundas (redes neuronales convolucionales, redes neuronales recurrentes, LSTM, transformadores) y aplicarlas para abordar aplicaciones de Procesamiento de Lenguaje Natural (PLN) como la clasificación de texto, extracción de información, similitud de textos, generación automática de resúmenes y traducción automática. - Estudiar, implementar y utilizar vectores de palabras entrenados con redes neuronales.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. Introducción 2. Tareas básicas de PLN. - Modelos de word embeddings. Similitud de textos 3. Clasificación de Textos con Deep Learning (CNN; RNN, Transformers) 4. Extracción de Información. 5. Técnicas para el aumento de datos 6. Tareas de generación de texto.
Actividades formativas, metodología a utilizar y régimen de tutorías
Se aplicará un modelo de clase invertida: Cada semana, profesora publicará en aula global un Jupyter notebook que describa y contenga la implementación de una arquitectura profunda para la resolución de una determinada aplicación de PLN (por ejemplo, la detección de noticias falsas o la anonimización de notas clínicas). Los+as estudiantes deben estudiar y ejecutar estos notebooks antes de la clase. Durante la clase, la profesora explicará el notebook y resolverá las posibles dudas. Una vez resueltas, la profesora propondrá propone posibles mejoras y planteará nuevos retos o problemas a resolver. Los estudiantes deben tratar de extender o adaptar las implementaciones de los notebooks para dar solución a los nuevos retos planteados por la profesora. La metodología es práctica. Las clases tendrán una configuración de trabajo por parejas en aula informática. El régimen de tutoría es de 2 horas semanales. Estas se podrán realizar de forma online o presencial.
Sistema de evaluación
  • Peso porcentual del Examen Final 0
  • Peso porcentual del resto de la evaluación 100

Calendario de Evaluación Continua


Bibliografía complementaria
  • Rudolph Russell . DEEP LEARNING: Fundamentos del Aprendizaje Profundo para Principiantes. CreateSpace Independent Publishing Platform. 2018

El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.