Curso de Tecnologías del Lenguaje para la Extracción de Información

El objetivo del curso es profundizar en los fundamentos y técnicas básicas de las tecnologías del lenguaje relacionadas con la extracción de información. Concretamente, el curso se centra en las aplicaciones que incluyen las tareas típicas en este ámbito como son:

• el reconocimiento de entidades y conceptos
• la extracción de insights
• la clasificación automática (con modelos clásicos o con técnicas de aprendizaje computacional y/o deep learning)
• el análisis de sentimientos, emoción y opinión
• las técnicas de recuperación de información, respuesta a preguntas y extracción de resúmenes.

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN

• Objetivos de la unidad
• Introducción
  • Orígenes de la extracción de información
  • Información estructurada vs. información no estructurada
• Tareas de extracción de información
  • Reconocimiento de entidades
  • Clasificación automática 
  • Extracción de información elaborada
  • Recuperación de información
  • Respuesta a preguntas
  • Extracción de resúmenes
• Generación automática de texto
  • Fundamentos
  • Modelos GPT
• Métricas de evaluación
• Aprendizaje automático y deep learning
  • Aprendizaje automático
  • Redes neuronales y deep learning
  • Vectores de embeddings

UNIDAD DIDÁCTICA 2. RECONOCIMIENTO DE ENTIDADES

• Objetivos de la unidad
• Introducción
  • Fundamentos y conceptos básicos
  • Proceso de reconocimiento de entidades
  • Representación del texto como secuencias
  • Entity linking
  • Aplicaciones
• Métricas de evaluación
• Técnicas de reconocimiento de entidades
  • Modelos clásicos de procesamiento del lenguaje natural
  • Técnicas de aprendizaje automático
• Ejercicio 1: Reconocimiento de entidades con un sistema real
  • Introducción
  • IBM Watson Natural Language Understanding
  • Google Cloud Natural Language
• Ejercicio 2: Funcionalidades para la tarea de reconocimiento de entidades 
  • Introducción
  • Google Colaboratory
  • Creación de un cuaderno nuevo
  • Reconocimiento de entidades con NLTK
  • Reconocimiento de entidades con spaCy

UNIDAD DIDÁCTICA 3. CLASIFICACIÓN AUTOMÁTICA

• Objetivos de la unidad
• Introducción
  • Fundamentos y conceptos básicos
  • Tipos de clasificación
  • Aplicaciones
• Métricas de evaluación
  • Escenarios single-label
  • Escenarios multi-label
• Técnicas de clasificación automática
  • Modelos basados en reglas
  • Técnicas de aprendizaje automático
  • Modelos híbridos
• Tipos específicos de clasificación
  • Análisis de sentimientos
  • Análisis de emoción
  • Análisis de reputación
  • Detección de idioma
  • Detección de intenciones
• Ejercicio 3: Clasificación de textos con un sistema real
  • Introducción
  • IBM Watson Natural Language Understanding
  • Google Cloud Natural Language
• Ejercicio 4: Entrenamiento de un modelo de clasificación
  • Introducción
  • Modelo de clasificación de intenciones
  • Entrenamiento
  • Ejecución

UNIDAD DIDÁCTICA 4. EXTRACCIÓN DE INFORMACIÓN COMPLEJA

• Objetivos de la unidad
• Introducción
• Modelo de grafo semántico
• Tarea de extracción de información
  • Modelos de reglas de extracción
  • Técnicas de aprendizaje automático
  • Tarea del lingüista

UNIDAD DIDÁCTICA 5. RECUPERACIÓN DE INFORMACIÓN

• Objetivos de la unidad
• Fundamentos y conceptos
• Modelos de recuperación de información
  • Modelo booleano
  • Modelo de espacio vectorial
  • Modelo probabilístico
• Similitud semántica
  • Conceptos
  • Búsqueda semántica
• Métricas de evaluación
• Tarea del lingüista
• Ejercicio 5: Similitud semántica y búsqueda semántica
  • Búsqueda semántica
  • Búsqueda de duplicados

UNIDAD DIDÁCTICA 6. RESPUESTA A PREGUNTAS

• Objetivos de la unidad
• Introducción
  • Conceptos y fundamentos
  • Historia
• Proceso de respuesta a preguntas
  • Fundamentos
  • Análisis de la pregunta
  • Recuperación de contextos
  • Extracción de la respuesta
  • Ejemplo
• Extractive question answering
• Tarea del lingüista

UNIDAD DIDÁCTICA 7. EXTRACCIÓN DE RESÚMENES

• Objetivos de la unidad
• Introducción
• Resúmenes extractivos
  • Conceptos
  • Proceso clásico
  • Modelos basados en aprendizaje automático
  • Escenarios específicos
  • Tarea del lingüista
• Resúmenes abstractivos
  • Conceptos
  • Modelos
  • Tarea del lingüista
• Ejercicio 6: Extracción de resúmenes extractivos y abstractivos
  • Resúmenes extractivos
  • Resúmenes abstractivos

UNIDAD 8. ORIENTACIÓN PROFESIONAL Y PRÁCTICA FINAL

• Introducción
• Escenarios con más oportunidades
• La búsqueda de oportunidades
  • Modalidades
  • Tareas más demandadas
  • Expresiones clave para localizar ofertas
  • Portales generalistas
  • Portales especializados
• Recomendaciones para presentar candidaturas
  • CV visualmente atractivo
  • Adaptación para cada oferta
• Preparación previa/continua
  • Marca personal
    • Práctica
    • Porfolio
    • Comunidades
• Práctica final
  • Objetivos
  • Desarrollo del ejercicio
    • Diseño del escenario
    • Desarrollo del escenario
  • Informe de resultados
  • Rúbrica de evaluación

Esta formación se dirige a filólogos, correctores, traductores, expertos en comunicación, especialistas en lenguaje claro u otros profesionales con formación filológica o conocimientos avanzados en el área de Humanidades y Letras que quieran desarrollar sus roles profesionales en el ámbito de las tecnologías del lenguaje, independientemente de su nivel computacional.

La finalidad última es proporcionar al lingüista los conocimientos y habilidades necesarios para desempeñar roles profesionales significativos en las distintas áreas de la extracción de información para PLN. Para ello, además de explicar su papel y sus tareas más habituales en cada tipo de proyecto, el curso se desarrolla con un enfoque teórico-práctico y numerosos ejercicios de casos reales de aplicación empleando plataformas en la nube y ejemplos de código en Python.

Descuento

• Gastos de matriculación no incluidos en el precio del curso (30 euros). Aplicamos un descuento de los gastos de matriculación a estudiantes, antiguos alumnos, desempleados, menores de 26 y miembros de asociaciones relacionadas con el sector editorial o la traducción (con las que tengamos acuerdo de colaboración). Este descuento no es aplicable cuando el curso lo abona una empresa o entidad jurídica.

Fundación Estatal para la Formación en el Empleo

• Si trabajas por cuenta ajena, tu empresa podrá bonificarse del importe de este curso y puede ser gratis para ti.