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.
Temario del curso
Plan de formación detallado
- Introducción al NLP
- Comprensión del NLP
- Frameworks de NLP
- Aplicaciones comerciales del NLP
- Extracción de datos (Scraping) de la web
- Trabajo con diversas APIs para recuperar datos de texto
- Trabajo y almacenamiento de corpus de texto, guardando contenido y metadatos relevantes
- Ventajas de usar 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 un conjunto de datos para aplicaciones de NLP
- Comprensión de la estructura de las oraciones
- Componentes del NLP
- Comprensión del lenguaje natural
- Análisis morfológico - raíz, palabra, token, etiquetas gramaticales
- Análisis sintáctico
- Análisis semántico
- Manejo de la ambigüedad
- Preprocesamiento de datos de texto
- Corpus - texto sin procesar
- Tokenización de oraciones
- Reducción a la raíz (Stemming) de texto sin procesar
- Lematización de texto sin procesar
- Eliminación de palabras de relleno (Stop words)
- Corpus - oraciones sin procesar
- 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
- Corpus - texto sin procesar
- Análisis de datos de texto
- Funciones básicas del NLP
- Analizadores sintácticos (Parsers) y análisis sintáctico
- Etiquetado gramatical (POS tagging) y etiquetadores
- Reconocimiento de entidades nombradas
- N-gramas
- Bolsa de palabras (Bag of words)
- Funciones 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
- Basics 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 utilizando algoritmos de Luhn simplificados y verdaderos
- Funciones básicas del NLP
- Agrupamiento de documentos, clasificación y modelación de temas
- Agrupamiento de documentos y minería de patrones (agrupamiento jerárquico, k-means, etc.)
- Comparación y clasificación de documentos utilizando medidas de distancia TFIDF, Jaccard y coseno
- Clasificación de documentos usando Naïve Bayes y Entropía Máxima
- Identificación de elementos importantes del texto
- Reducción de dimensionalidad: Análisis de Componentes Principales, Descomposición en Valores Singulares, factorización de matrices no negativas
- Modelación de temas y recuperación de información usando Análisis Semántico Latente
- Extracción de entidades, análisis de sentimientos y modelación de temas avanzada
- Positivo vs. negativo: grado de sentimiento
- Teoría de respuesta a ítems
- Etiquetado gramatical y su aplicación: identificación de personas, lugares y organizaciones mencionadas en el texto
- Modelación de temas avanzada: Asignación Dirichlet Latente (Latent Dirichlet Allocation)
- Casos de estudio
- Minería de comentarios de usuarios no estructurados
- Clasificación de sentimientos y visualización de datos de reseñas de productos
- Minería de registros de búsqueda para patrones de uso
- Clasificación de texto
- Modelación de temas
Requerimientos
Conocimiento y comprensión de los principios del NLP y apreciación de la aplicación de la IA en los negocios
21 Horas
Reseñas (1)
Soporte individual
Simon the 2nd - Cboost
Curso - ROS: Programming for Robotics
Traducción Automática
