El curso requiere los siguientes conocimientos básicos: - Cálculo - Programación - Estadística

- Conocer las técnicas básicas de pre-procesado de texto. - Utilizar herramientas software para pre-procesado de texto. - Conocer las técnicas de modelado de tópicos. - Utilizar herramientas software de modelado de tópicos en cuerpos de documentos. - Utilizar modelos de tópicos para extracción de información. - Aprender a manejar y entrenar modelos de representación semántica en un espacio vectorial. - Aprender a entrenar modelos de lenguaje utilizando redes neuronales recursivas. - Conocer estructuras básicas de traducción basadas en redes neuronales recursivas. - Utilizar herramientas de optimización para construir modelos de lenguaje con redes neuronales recursivas.

KOPT1: Conocer y comprender en profundidad tecnologías avanzadas en un ámbito específico de la titulación, que constituyan el estado del arte en el área de estudio, incluyendo tendencias emergentes y desarrollos recientes. KOPT2: Interpretar fuentes de información científica y técnica para profundizar en el conocimiento de un área específica relacionada con la ingeniería y las tecnologías de la información y comunicaciones. SOPT1: Identificar, evaluar su viabilidad técnica y aplicar herramientas, metodologías y soluciones tecnológicas avanzadas utilizadas en el ámbito de la asignatura, para desarrollar algoritmos o sistemas que integren tecnologías innovadoras y de vanguardia. SOPT2: Aplicar metodologías analíticas y de diseño para la resolución de problemas avanzados en el ámbito de la asignatura optativa, y evaluar el rendimiento y las limitaciones de diferentes enfoques tecnológicos, proponiendo mejoras y alternativas COPT1: Concebir y elaborar proyectos que integren conocimientos avanzados y aporten soluciones innovadoras en el área de estudio.

- Técnicas de preprocesado y vectorización de documentos. - Extracción palabras clave y resumen automático de documentos. - Fundamentos de clasificación binaria: Regresión Logística y k-NN. - Análisis de documentos: POS tagging y NER. - Representación vectorial: Word y Doc embeddings. - Modelos de temas (Topic Modeling). - Redes Neuronales multicapa (MLPs). - Aprendizaje Profundo (Deep Learning): redes convolucionales. - Procesado de lenguaje con Redes Neuronales Recurrentes: RNNs y LSTMs. - Transformers y Modelos del lenguaje (LLMs)

Todas las sesiones serán teorico/prácticas, en las que en cada sesión se introduce un aspecto teórico y se desarrolla utilizando librerías software específicas. Es importante destacar que estas clases requerirán iniciativa y trabajo personal y en grupo por parte del alumno (habrá conceptos que deberán estudiar personalmente a partir de algunas indicaciones, casos particulares de tendrán que desarrollar, etc.) Estas prácticas, por una parte, permiten al estudiante aplicar los conocimientos teóricos adquiridos para ensayar soluciones prácticas, de modo que pueda consolidar y analizar de forma crítica tales conocimientos. Los créditos ECTS incluyen en todos los casos la parte correspondiente de trabajo personal o en equipo por parte del alumno.