Competències i objectius

 

Context de l'assignatura per al curs 2024-25

La asignatura Aplicaciones del Procesamiento de Lenguaje Natural se centra en el uso de técnicas de procesamiento de lenguaje natural como soporte a tareas que implican la comprensión del lenguaje, la generación de textos en lenguaje natural y el procesamiento de voz. Esta asignatura es continuación de la asignatura Técnicas de Procesamiento de Lenguaje Natural; por tanto, se asume que el alumnado ha cursado satisfactoriamente esta asignatura y que ha adquirido los conocimientos y competencias que le son propios.

 

 

Competències de l'assignatura (verificades per ANECA en graus i màsters oficials) per al curs 2024-25

Competències transversals

  • CT1 : Ser capaç de liderar projectes relacionats amb la intel·ligència artificial, així com dirigir equips de treball.
  • CT2 : Demostrar destreses informàtiques i informacionals en l'àmbit de la intel·ligència artificial.
  • CT3 : Demostrar habilitats en comunicació oral i escrita.

 

Competències generals

  • CG1 : Aplicar els coneixements adquirits a problemes reals relacionats amb la intel·ligència artificial.
  • CG10 : Ser capaç d'utilitzar els principis de l'enginyeria i les modernes tecnologies informàtiques per a investigar, dissenyar, implementar noves aplicacions de la intel·ligència artificial.
  • CG2 : Ser capaç de desenvolupar i aprendre de forma acte-dirigida o autònoma temes relacionats amb la intel·ligència artificial
  • CG4 : Conèixer i aplicar en cada situació les responsabilitats socials, ètiques i legals vinculades a la intel·ligència artificial.
  • CG6 : Ser capaç d'adaptar-se a entorns relacionats amb la intel·ligència artificial, fomentant el treball en equip, la creativitat, la capacitat crítica i l'esperit emprenedor.
  • CG7 : Ser capaç d'adaptar-se a la constant evolució de la disciplina i de comprendre i aplicar els nous avanços técnicocientíficos relacionats amb la intel·ligència artificial.
  • CG8 : Saber projectar, dissenyar, desenvolupar, implantar i mantenir productes, aplicacions i serveis relacionats amb la intel·ligència artificial, tenint en compte aspectes tècnics, econòmics i d'eficiència.
  • CG9 : Saber dirigir projectes relacionats amb la intel·ligència artificial, complint la normativa vigent i assegurant la qualitat del servei.

 

Competències Específiques

  • CE13 : Extrapolar les tècniques bàsiques de processament del llenguatge natural per a aplicacions concretes a altres problemes que puguen ser resolts mitjançant aquestes tècniques.
  • CE14 : Detectar contextos tecnològics reals en els quals el processament del llenguatge natural pot aportar solucions útils.
  • CE15 : Extraure les característiques comunes a les diferents aplicacions del processament del llenguatge natural alhora que es diferencien les seues particularitats.

 

Competències bàsiques

  • CB10 : Que els estudiants posseïsquen les habilitats d'aprenentatge que els permeten continuar estudiant d'una manera que haurà de ser en gran manera autodirigido o autònom.
  • CB6 : Posseir i comprendre coneixements que aporten una base o oportunitat de ser originals en el desenvolupament i/o aplicació d'idees, sovint en un context d'investigació
  • CB7 : Que els estudiants sàpien aplicar els coneixements adquirits i la seua capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis (o multidisciplinaris) relacionats amb la seua àrea d'estudi
  • CB8 : Que els estudiants siguen capaços d'integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d'una informació que, sent incompleta o limitada, incloga reflexions sobre les responsabilitats socials i ètiques vinculades a l'aplicació dels seus coneixements i judicis
  • CB9 : Que els estudiants sàpien comunicar les seues conclusions i els coneixements i raons últimes que les sustenten a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats

 

 

 

Resultats d'aprenentatge (Objectius formatius)

- Aplicar, desenvolupar, entrenar, implementar i avaluar les tècniques adequades per a resoldre un problema del món real que implique l'ús del llenguatge natural.

- Conèixer les principals aplicacions actuals de comprensió del llenguatge sobre la base de l'estat de la qüestió, com ara aplicacions de recuperació d'informació, cerca de respostes, classificació de documents, anàlisis de sentiments, verificació de fets i detecció de faules, etc.

- Conèixer les principals aplicacions actuals de generació del llenguatge natural sobre la base de l'estat de la qüestió, com ara aplicacions d'autocompletado de textos, resums automàtics, sistemes de diàleg, etc.

- Conèixer les tècniques i models usats actualment en traducció automàtica i la seua adaptació a altres tasques de traducció de seqüències.

- Conèixer els principis del reconeixement de veu en els models actuals i la seua integració, per exemple, en els sistemes conversacionals.

- Optimitzar el rendiment de les aplicacions de processament del llenguatge natural implementades per a obtenir sistemes eficients que puguen usar-se en producció.

- Identificar els diferents tipus de biaixos presents en sistemes de processament del llenguatge natural així com la seua prevenció i tractament.

 

 

Objectius específics indicats pel professorat per al curs 2024-25

  • Conocer las principales aplicaciones de comprensión del lenguaje y saber escoger, entrenar y evaluar modelos de aprendizaje automático para tareas, tales como la recuperación de información, búsqueda de respuestas, clasificación de documentos o el análisis de sentimientos, entre otras.
  • Conocer las principales aplicaciones de generación del lenguaje natural y saber escoger, entrenar y evaluar modelos de aprendizaje automático para tareas tales como la generación de resúmenes abstractivos, generación de informes y/o noticias, o sistemas de diálogo, entre otras.
  • Conocer las principales aplicaciones de la traducción automática y saber escoger, entrenar y evaluar modelos de aprendizaje automático para la traducción en contextos específicos.
  • Conocer las principales aplicaciones del procesamiento de voz y saber escoger, entrenar y evaluar modelos de aprendizaje automático para el procesamiento de voz.
  • Identificar los diferentes tipos de sesgos presentes en sistemas de procesamiento del lenguaje natural así como su prevención y tratamiento.

 

 

Dades generals

Codi: 43508
Professor/a responsable:
Sánchez Martínez, Felipe
Crèdits ECTS: 4,50
Crèdits teòrics: 0,90
Crèdits pràctics: 0,90
Càrrega no presencial: 2,70

Departaments amb docència

  • Dep.: LLENGUATGES I SISTEMES INFORMATICS
    Àrea: LLENGUATGES I SISTEMES INFORMATICS
    Crèdits teòrics: 0,9
    Crèdits pràctics: 0,9
    Aquest departament és responsable de l'assignatura.
    Aquest dep. és responsable de l'acta.

Estudis en què s'imparteix