(volver a la página principal)

• Presentación de la materia
• Introducción al Procesamiento de Lenguaje Natural
• Procesamiento básico de texto:
  • Expresiones regulares
  • Expresiones regulares aplicadas al PLN
  • Tokenización de palabras
  • Normalización, lematización y stemming
  • Segmentación de oraciones

Parte práctica:

• Procesamiento Básico de Texto (Jupyter notebook)

• Modelado de Lenguaje:
  • Introducción a n-gramas
  • Estimando probabilidades de n-gramas
  • Evaluación de modelos de lenguaje (Michael Collins)

Parte práctica:

• Modelado de Lenguaje (Jupyter notebook)

• Modelado de Lenguaje:
  • Generalización y ceros
  • Suavizado "add one"
  • Interpolación y otros
• Language Modeling (Course notes for NLP by Michael Collins, Columbia University)
• Modelado de Lenguaje: Notas Complementarias

Parte práctica:

• Modelado de Lenguaje Parte 2 (Jupyter notebook)

• Etiquetado de secuencias:
  • Introducción al Part-of-Speech (POS) tagging
  • Algunos métodos y resultados
• Más sobre etiquetado de secuencias (curso de Collins):
  • Etiquetado de secuencias
  • Modelos generativos para el aprendizaje supervisado
  • Introducción a los Hidden Markov Models (HMMs)
  • Estimación de parámetros de HMMs

Parte práctica:

• Etiquetado de Secuencias (Jupyter notebook)

• Modelos log-linear (Michael Collins):
  • 1. Introduction
  • 2. Two Example Problems
  • 3. Features in Log-Linear Models - Part I
  • 4. Features in Log-Linear Models - Part II
  • 5. Definition of Log-Linear Models - Part I
  • 6. Definition of Log-Linear Models - Part II
  • 7. Parameter Estimation in Log-Linear Models - Part I
  • 8. Parameter Estimation in Log-Linear Models - Part II
  • 9. Smoothing Regularization in Log-Linear Models
• Modelos log-linear para etiquetado de secuencias (Michael Collins):
  • 1. Introduction
  • 2. Recap of the Tagging Problem
  • 3. Independence Assumptions in Log-linear Taggers
  • 4. Features in Log-Linear Taggers
  • 5. Parameters in Log-Linear Models
  • 6. The Viterbi Algorithm for Log-Linear Taggers
  • 7. An Example Application
  • 8. Summary

Parte práctica:

• Etiquetado de Secuencias Parte 2 (Jupyter notebook)
• Etiquetado de Secuencias Parte 3 (Jupyter notebook)

• Clasificación de texto:
  • What is Text Classification
  • Naive Bayes
  • Formalizing the Naive Bayes Classifier
  • Naive Bayes- Learning
  • Naive Bayes- Relationship to Language Modeling
  • Multinomial Naive Bayes- A Worked Example
  • Precision Recall and the F measure
  • Text Classification- Evaluation
  • Practical Issues in Text Classification

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

Parte práctica:

• Análisis de Sentimiento (Jupyter notebook)

• 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)
  • Dependency Parsing (versión corta, videolecture)