Análisis semántico y nuevas técnicas de Procesado de Lenguaje natural
Objetivos
Los principales objetivos del módulo son:
-
- comprender la complejidad lingüística computacional
- explorar el potencial de los modelos de lenguaje basado en inteligencia artificial
- analizar cómo los modelos de lenguaje están convergiendo con las técnicas de representación del conocimiento y el análisis semántico
- presentar las últimas técnicas y avances en procesamiento de lenguaje natural
- proporcionar ejemplos prácticos donde estas técnicas pueden ser aplicadas en casos de estudio reales
Programa
Este módulo pertenece al programa formativo Avanzado del Aragón EDIH.
1. Explorando la complejidad lingüística: Lingüística Computacional, lenguaje humano y NLP
-
- Introducción a la lingüística computacional
- Complejidad del análisis y desafíos
- Ejemplos
2. El potencial de los modelos de lenguaje de Inteligencia Artificial
-
- La irrupción de los Transformers y Large Language Models (LLM)
- Ventajas y Limitaciones
- Ejemplos
3. Convergencia de dos universos: Modelos de Lenguaje (LM) y la representación del conocimiento / semántica
-
- Extracción automática de conocimiento basada en modelos de lenguaje
- Importancia de la calidad. Desafíos
- Ejemplos
A quién va dirigido
El curso estaría dirigido a cualquier persona interesada en adquirir habilidades y conocimientos avanzados en el campo del Procesamiento de Lenguaje Natural (NLP) y el análisis semántico, y que desee explorar las últimas técnicas y aplicaciones de inteligencia artificial en este campo en constante evolución.
Requisitos:
-
- Fundamentos de Inteligencia Artificial: Comprender los conceptos de Aprendizaje Automático, aprendizaje supervisado y no supervisado principalmente. Útil conocer conceptos de Aprendizaje por Refuerzo.
- Fundamentos de Deep Learning aplicados a lenguaje: Conceptos básicos de las redes neuronales profundas y su aplicación al campo del lenguaje: feed-foward, LSTM, Transformers.
- PLN (Procesamiento del Lenguaje Natural):Conocer las ideas fundamentales sobre el procesado del lenguaje natural; tipos de tareas: audio, texto, clasificación, recuperación de información, chatbots; y problemáticas más habituales: normalización, ambigüedad, idiomas, razonamiento, etc.
- Fundamentos de grafos de conocimiento:Conocimientos básicos de grafos de conocimientos y estructuración de la información: RDF, ontología,…
- Python y bibliotecas de Deep Learning: Conocimientos básicos de programación en Python y estar familiarizados con bibliotecas populares de Deep Learning, como Scikit-Learn, Transformers.
- Cuenta de gmail, familiarización con el uso de Notebooks/Google Colab.
- Ordenador propio
Profesorado
-
- Paula Peña – Equipo Big Data y Sistemas Cognitivos del Instituto Tecnológico de Aragón
- Rosa Montañés – Equipo Big Data y Sistemas Cognitivos del Instituto Tecnológico de Aragón
- José Antonio – Unizar
Horario, fecha y lugar
-
- Duración total: 9h
- Fechas: —
- Horario: 16 a 19h
- Lugar: Instituto Tecnológico de Aragón. C/ María de Luna, 7 (edificio blanco), 50018 Zaragoza
- Número máximo de asistentes: 15 personas
Inscripción
Estos cursos son GRATUITOS y están financiados por:

