Curso organizado dentro del marco del proyecto EUHubs4Data
El NLP (Procesamiento del lenguaje natural) es una de las disciplinas de IA de las que más se ha hablado en los últimos años. Sus aplicaciones son muchas: Análisis de sentimiento, clasificación de documentos, detección de entidades, anonimización, ... Y sus posibles usos no paran de crecer con el avance de la tecnología.
Únete al curso y aprende a desarrollar tu propia aplicación real de NLP desde cero: usando las mejores herramientas para su desarrollo y servicios en la nube para desplegarla.
Objetivos
Al finalizar el curso los alumnos habrán adquirido las siguientes competencias y conocimientos:
- Conocimiento de las principales técnicas de limpieza y procesado de datos textuales.
- Conocimiento de las principales técnicas de tokenizado tanto clásicas como avanzadas (WPE, BPE).
- Conocimiento de las técnicas de representación de textos clásicas (TF-IDF).
- Conocimiento de las técnicas de modelizado de texto avanzadas (LSTM, Transformers).
- Conocer y aplicar técnicas de transfer learning a documentos textuales.
- Construcción de servicios dedicados al análisis de texto.
- Conocer y aplicar las diferentes aplicaciones del NLP: análisis de sentimiento, clasificación, topic modeling, detección de entidades, anonimización...
Público objetivo
El curso está orientado a:
- Profesionales del sector TIC que quieran iniciarse en el mundo del procesamiento del lenguaje natural, entender la problemática y los retos de llevar un modelo de NLP desde su desarrollo a producción.
- Particulares con interés en el mundo de la inteligencia artificial que quieran aprender cómo desarrollar sus propios servicios de análisis de texto y como servirlos en la nube.
Prerrequisitos
Requisito: Conocimientos básicos de Python.
Deseable: Conocimientos básicos de ML (Curso de introducción a ML)
1- Introducción al NLP
- Preprocesado
- Tokenizado
- Lematización y Stop Words
- TF-IDF
2- Usos I
- Métodos no supervisados (distancias y topic modeling)
- Métodos supervisados (clasificación de documentos)
- Aplicación: Distancias de documentos
- Aplicación: Clasificación de documentos
3- Modelos preentrenados
- Word2Vec
- Modelos de lenguaje
- Transfer Learning
4- Usos II
- Análisis de sentimiento
- Reconocimiento de entidades (NER)
- Pregunta y Respuesta
- Aplicación: Análisis de sentimiento (DeepMoji)
- Aplicación: Reconocimiento de entidades (anonimización)
5- Construcción de un servicio NLP en la nube
- Diseño de la aplicación
- Infraestructuras de Despliegue
- Aplicación: Desplegar una aplicación NLP en la nube