(volver a la página principal)

Recursos principales:

• Natural Language Processing (Dan Jurafsky & Christopher Manning, Stanford, 2014)
  • Lecture Slides
  • Video Lectures
  • Torrent
• Natural Language Processing with Deep Learning (Chris Manning, Stanford, 2019) (Winter 2018, Winter 2017)
  • Video Lectures (2017)
• Natural Language Processing (Michael Collins, Columbia, 2013)
  • Torrent
  • Video Lectures

• Presentación de la materia
• Introducción al Procesamiento de Lenguaje Natural
• Introducción al PLN con Deep Learning (1ras 17 slides)
• Procesamiento básico de texto:
  • Expresiones regulares
  • Expresiones regulares aplicadas al PLN
  • Tokenización de palabras
  • Normalización, lematización y stemming
  • Segmentación de oraciones

• Modelado de Lenguaje:
  • Introducción a n-gramas
  • Estimando probabilidades de n-gramas
  • Evaluación y perplejidad
    • Evaluación de modelos de lenguaje (Michael Collins)
  • Generalización y ceros
  • Suavizado "add one"

• Modelado de Lenguaje:
  • Interpolación
  • Interpolación Lineal (Parte 1) (Michael Collins)
  • Interpolación Lineal (Parte 2) (Michael Collins)
  • Discounting (Parte 1) (Michael Collins)
  • Discounting (Parte 2) (Michael Collins)
  • Language Modeling (Course notes for NLP by Michael Collins, Columbia University)
  • Modelado de Lenguaje: Notas Complementarias

• Distancia de edición
  • Definición de Minimum Edit Distance
  • Cálculo de Minimum Edit Distance
  • Backtrace para computar alineaciones
  • Weighted Minimum Edit Distance
  • Minimum Edit Distance en Biología Computacional
• Corrección ortográfica
  • La tarea de corrección ortográfica
  • Noisy Channel Model para ortografía
  • Corrección ortográfica en el mundo real
  • Sistemas estado del arte

• Clasificación de texto
  • Qué es clasificación de texto
  • Naive Bayes
  • Formalizando el clasificador Naive Bayes
  • Aprendizaje de Naive Bayes
  • Relación de Naive Bayes con modelado de lenguaje
  • Multinomial Naive Bayes: Ejemplo completo
  • Precision, recall y F1
  • Evaluación de clasificación de texto
  • Cuestiones prácticas en clasificación de texto

• Análisis de Sentimiento:
  • What is Sentiment Analysis
  • Sentiment Analysis- A baseline algorithm
  • Sentiment Lexicons
  • Learning Sentiment Lexicons
  • Other Sentiment Tasks

• Regresión Logística:
  • Generative vs Discriminative Models
  • Making features from text for discriminative NLP models
  • Feature Based Linear Classifiers
  • Building a Maxent Model The Nuts and Bolts
  • Generative vs. Discriminative models: The problem of overcounting evidence
  • Maximizing the Likelihood

• PLN con Deep Learning (curso Socher):
  • Introduction to NLP and Deep Learning (versión corta, videolecture)
  • Word Vectors 1 (videolecture)
  • Word Vectors 2 (versión corta, videolecture)