Competencias y objetivos

 

Contexto de la asignatura para el curso 2024-25

La asignatura Técnicas de Procesamiento de Lenguaje Natural presenta los fundamentos de la aproximación computacional al lenguaje humano. En esta asignatura se asume que el alumnado ha cursado con aprovechamiento la asignatura de Técnicas de Aprendizaje Automático y que ha adquirido los conocimientos y competencias que allí se abordan.

 

 

Competencias de la asignatura (verificadas por ANECA en grados y másteres oficiales) para el curso 2024-25

Competencias Transversales

  • CT1 : Ser capaz de liderar proyectos relacionados con la inteligencia artificial, así como dirigir equipos de trabajo.
  • CT2 : Demostrar destrezas informáticas e informacionales en el ámbito de la inteligencia artificial.
  • CT3 : Demostrar habilidades en comunicación oral y escrita.

 

Competencias Generales

  • CG1 : Aplicar los conocimientos adquiridos a problemas reales relacionados con la inteligencia artificial.
  • CG10 : Ser capaz de utilizar los principios de la ingeniería y las modernas tecnologías informáticas para investigar, diseñar, implementar nuevas aplicaciones de la inteligencia artificial.
  • CG2 : Ser capaz de desarrollar y aprender de forma auto-dirigida o autónoma temas relacionados con la inteligencia artificial
  • CG3 : Saber desenvolverse en contextos multidisciplinares y/o internacionales aportando soluciones desde el punto de vista de la inteligencia artificial.
  • CG5 : Saber gestionar la información y los recursos disponibles relacionados con inteligencia artificial.

 

Competencias Específicas

  • CE10 : Identificar las técnicas adecuadas para los distintos problemas de procesamiento de lenguaje natural.
  • CE11 : Desarrollar y evaluar métodos relacionados con el procesamiento del lenguaje natural.

 

Competencias Básicas

  • CB10 : Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
  • CB6 : Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
  • CB7 : Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
  • CB8 : Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
  • CB9 : Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades

 

 

 

Resultados de aprendizaje (Objetivos formativos)

- Enlazar los fundamentos teóricos de la lingüística computacional con el desarrollo de técnicas específicas de procesamiento del lenguaje natural.

- Analizar a nivel léxico, sintáctico, semántico y pragmático textos escritos en lenguaje natural.

- Contrastar enfoques simbólicos, estadísticos y neuronales en el procesamiento del lenguaje natural.

- Conocer las particularidades del aprendizaje automático en el contexto del procesamiento del lenguaje natural.

- Determinar los modelos de aprendizaje automático adecuados para resolver un problema de procesamiento del lenguaje natural con especial énfasis en los que aporten buenos resultados según el estado de la cuestión del momento.

- Conocer los fundamentos de los modelos computacionales de procesamiento del habla a nivel fonético, de reconocimiento y de síntesis.

- Conocer los fundamentos de las herramientas y librerías más utilizadas en procesamiento del lenguaje natural.

- Saber descargar los datos y corpus adecuados para entrenar, adaptar y evaluar modelos de aprendizaje automático en el contexto del procesamiento del lenguaje.

- Aprovechar las ventajas de los modelos preentrenados, multilingües y multimodales.

 

 

Objetivos específicos indicados por el profesorado para el curso 2024-25

  • Enlazar los fundamentos teóricos de la lingüística computacional con el desarrollo de técnicas específicas de procesamiento del lenguaje natural.
  • Analizar computacionalmente a nivel léxico, sintáctico, semántico y pragmático textos escritos en lenguaje natural.
  • Contrastar enfoques simbólicos, estadísticos y neuronales en el procesamiento del lenguaje natural.
  • Conocer las particularidades del aprendizaje automático en el contexto del procesamiento del lenguaje natural con especial énfasis en los métodos que aporten mejores resultados según el estado de la cuestión del momento.
  • Conocer los fundamentos de los modelos computacionales de procesamiento del habla a nivel fonético, de reconocimiento y de síntesis.
  • Saber descargar los datos y corpus adecuados para entrenar, adaptar y evaluar modelos de aprendizaje automático en el contexto del procesamiento del lenguaje natural.
  • Aprovechar las ventajas de los modelos preentrenados, multilingües y multimodales.

 

 

Datos generales

Código: 43505
Profesor/a responsable:
Pérez Ortiz, Juan Antonio
Crdts. ECTS: 4,50
Créditos teóricos: 0,90
Créditos prácticos: 0,90
Carga no presencial: 2,70

Departamentos con docencia

  • Dep.: LENGUAJES Y SISTEMAS INFORMATICOS
    Área: LENGUAJES Y SISTEMAS INFORMATICOS
    Créditos teóricos: 0,9
    Créditos prácticos: 0,9
    Este dep. es responsable de la asignatura.
    Este dep. es responsable del acta.

Estudios en los que se imparte