Curso de tecnologías del lenguaje para lingüistas humanistas

Contenido del curso Curso de tecnologías del lenguaje para lingüistas humanistas

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL SECTOR

0. Objetivos de la unidad

1. Introducción

2. Definiciones y conceptos

2.1. Inteligencia artificial

2.2. Computación cognitiva

2.3. Procesamiento del lenguaje natural (PLN)

3. El sector de las tecnologías del lenguaje

3.1. Historia y evolución

3.1.1. Tareas de PLN casi resueltas

3.1.2. Tareas de PLN que demuestran un rápido avance

3.1.3. Tareas de PLN con grado de madurez limitado

3.2. Tendencias y futuro

3.2.1. Tecnologías del lenguaje en español

4. Barreras y retos

4.1. Barreras

4.2. Retos

UNIDAD DIDÁCTICA 2. EL LINGÜISTA EN PLN

0. Objetivos de la unidad

1. Introducción

2. El lingüista computacional. Perfiles profesionales

3. Conocimientos y habilidades requeridas del lingüista en PLN

3.1. Conocimientos

3.2. Destrezas

3.3. Competencias transversales

4. Funciones del lingüista en proyectos PLN

4.1. Creación y mantenimiento de recursos léxico-semánticos

4.2. Diseño de ontologías y modelos lingüísticos

4.3. Etiquetado de corpus y control de calidad

4.4. Ajuste y/o asesoría lingüística para optimización de software

4.5. Dirección de proyectos

Ejercicio 1: Optimización de softwares de corrección

Ejercicio 2: Etiquetado de corpus de entrenamiento

UNIDAD DIDÁCTICA 3. NIVELES LINGÜÍSTICOS: DEL ANÁLISIS A LA COMPRENSIÓN

0. Objetivos de la unidad

1. Introducción

2. Niveles de procesamiento lingüístico

2.1. Análisis fonético-fonológico

2.2. Análisis morfológico / léxico

2.3. Análisis sintáctico

2.4. Análisis semántico

2.5. Integración del discurso

2.6. Análisis pragmático

3. Tareas PLN vs. aplicaciones

Ejercicio 3: Uso de aplicaciones para la desambiguación léxica

Parte 1: Trabajar con WordNet

Parte 2: Trabajar con NLTK

UNIDAD DIDÁCTICA 4. TÉCNICAS DE PROCESAMIENTO DEL LENGUAJE NATURAL

0. Objetivos de la unidad

1. Introducción

2. Sistemas de reglas

2.1. Fundamentos

2.2. Proceso de ejecución de las reglas

2.3. Ejemplos de aplicación

3. Aprendizaje automático

3.1. Fundamentos

3.2. Proceso de aprendizaje supervisado

4. Aprendizaje profundo (deep learning)

4.1. Fundamentos de las redes neuronales

4.2. Deep learning

4.3. El aprendizaje por transferencia

5. Métricas para control de calidad

6. Modelos de representación del texto

6.1. Bolsa de palabras

6.2. Vectores de embeddings

Ejercicio 4: Representación de conocimiento con bolsa de palabras

UNIDAD DIDÁCTICA 5. EL CORPUS EN PLN

0. Objetivos de la unidad

1. Introducción

2. El corpus en proyectos de PLN

2.1. Tipos de corpus

2.2. Uso del corpus en desarrollos PLN

3. Lingüística de corpus

3.1. Recopilación y diseño

3.2. Codificación y anotación de corpus

3.2.1. La codificación

3.2.2. La anotación o etiquetado

3.3. Gestión y explotación. Análisis de concordancias

3.3.1. Ejemplo 1

3.3.2. Ejemplo 2

4. Corpus compensado, algoritmo ético

4.1. La ética del dato

4.1.1. Ejemplo 1

4.1.2. Ejemplo 2

4.1.3. Ejemplo 3

4.2. Detección y compensación de sesgos

Ejercicio 5: Explotación de corpus propios

UNIDAD DIDÁCTICA 6. EXTRACCIÓN Y GENERACIÓN DE INFORMACIÓN

0. Objetivos de la unidad

1. Introducción

1.1. Orígenes de la extracción de información

1.2. Información estructurada vs. información no estructurada

2. Tareas de extracción de información

2.1. Reconocimiento de entidades

2.2. Clasificación automática

2.3. Extracción de información elaborada 

2.4. Recuperación de información

2.5. Respuesta a preguntas 

2.6. Extracción de resúmenes 

3. Generación automática de texto 

3.1. Fundamentos 

3.2. Modelos GPT 

UNIDAD DIDÁCTICA 7. CORRECCIÓN AUTOMÁTICA

0. Objetivos de la unidad

1. Introducción

2. Verificación automática vs. autocorrección vs. texto predictivo

3. Técnicas de corrección automática

3.1. Técnicas de bajo nivel

3.1.1. Corrección ortográfica basada en diccionarios

3.1.2. Corrección basada en corpus y estadística de n-gramas 

3.1.3. Corrección basada en reconocimiento de patrones 

3.2. Técnicas de alto nivel 

3.2.1. Corrección basada en parser 

3.2.2. Enfoque neuronal aplicado a la corrección 

3.2.3. Redacción predictiva inteligente 

4. Capacidades de la corrección automática 

4.1. Verificación ortográfica 

4.2. Verificación gramatical 

4.3. Verificación ortotipográfica 

4.4. Verificación de estilo 

5. Corrector automático y corrector humano 

Ejercicio 6: Reglas de verificación ortográfica

UNIDAD DIDÁCTICA 8. TRADUCCIÓN AUTOMÁTICA

0. Objetivos de la unidad

1. Introducción

2. Técnicas de traducción automática (TA)

2.1. TA basada en reglas

2.2. TA estadística

2.3. TA neuronal 

2.4. Sistemas híbridos 

3. Traductor automático y traductor humano 

3.1. Capacidades de la traducción automática 

3.2. Oportunidades del traductor humano poseditor 

3.2.1. Posedición de traducción automática 

3.2.2. Evaluación de sistemas TA y asesoría 

3.2.3. Optimización de software 

UNIDAD DIDÁCTICA 9. TECNOLOGÍAS DEL HABLA. RECONOCIMIENTO Y SÍNTESIS DE VOZ

0. Objetivos de la unidad

1. Introducción a las tecnologías del habla

2. Sistemas de reconocimiento de voz

2.1. Dificultades asociadas al reconocimiento de voz

2.2. Tipos de reconocedores de habla

2.3. Componentes y arquitectura

2.4. Técnicas

3. Sistemas de síntesis de voz

3.1. Procedimiento

3.2. Técnicas

4. El lingüista en tecnologías del habla

Ejercicio 7: Análisis del servicio de voz a texto 

UNIDAD DIDÁCTICA 10. INTERFACES CONVERSACIONALES

0. Objetivos de la unidad

1. Introducción

1.1. Historia

1.2. Aplicaciones

1.3. Terminología

1.4. Tipos principales de sistemas conversacionales

2. Funcionamiento de un sistema conversacional

3. Diseño de un asistente y el papel del lingüista 

4. Ecosistema tecnológico 

UNIDAD DIDÁCTICA 11. ORIENTACIÓN PROFESIONAL Y PRÁCTICA FINAL