Competències i objectius

 

Context de l'assignatura per al curs 2026-27

El procesamiento del lenguaje natural engloba todas las técnicas computacionales relacionadas con el procesamiento de textos y de voz en cualquiera de las lenguas del mundo. Si bien la disciplina ha tenido desde mediados del siglo XX una gran cantidad de aplicaciones en innumerables áreas, la llegada circa 2020 de los grandes modelos de lengua ha multiplicado las posibilidades hasta límites que hace solo unos años se habrían considerado como ciencia ficción. Esta asignatura intentará que el estudiante conozca tanto los aspectos técnicos de la disciplina como sus conexiones con la lingüística.

 

 

Resultats d'aprenentatge / Competències de l'assignatura (verificades per ANECA en graus i màsters oficials) per al curs 2026-27

Competències transversals

  • CT01 : Utilitzar de manera habitual les eines informàtiques, així com les tecnologies de la informació i les comunicacions, en tot el seu acompliment professional.
  • CT02 : Comunicar de manera oral i escrita transmetent informació, idees, problemes i solucions a un públic tant especialitzat com no especialitzat.

 

Competències generals

  • CG2 : Conéixer, seleccionar i aplicar mètodes dels diferents camps de la intel·ligència artificial per a la resolució de problemes d'enginyeria.
  • CG7 : Resoldre problemes d'intel·ligència artificial nous o multidisciplinàries, mostrant iniciativa i originalitat en el desenvolupament, després d'analitzar i entendre les especificacions plantejades
  • CG8 : Concebre, desenvolupar i implantar sistemes d'intel·ligència artificial tenint en compte aspectes de qualitat i seguretat, dins del marc normatiu, a més d'atendre criteris mediambientals i d'ús racional, ètic i eficient de recursos i informacióndas

 

Competències Específiques

  • CE33 : Identificar i implementar les principals tècniques d'intel·ligència artificial per a l'anàlisi, processament i generació del llenguatge natural

 

Competències bàsiques

  • CB3 : Que els estudiants tinguen la capacitat de reunir i interpretar dades rellevants (normalment dins de la seua àrea d'estudi) per a emetre judicis que incloguen una reflexió sobre temes rellevants d'índole social, científica o ètica

 

 

 

Resultats d'aprenentatge (Objectius formatius)

 

1. Desenvolupar i adaptar models d'aprenentatge automàtic que treballen amb textos en llenguatge natural.

2. Relacionar els problemes computacionals de l'anàlisi lèxica, sintàctic, semàntic i textual amb els seus models de representació i les principals tècniques per a tractar-los.

3. Integrar les tècniques simbòliques, estadístiques i neuronals que conformen l'estat de la qüestió en el processament robust d'informació textual no estructurada monolingüe, multilingüe i multimodal.

4. Entrenar i avaluar models de llengua estadístics i neuronals.

5. Obtindre representacions (embeddings) de subpalabras, paraules, oracions i altres elements textuals.

6. Implementar arquitectures bàsiques de processament de textos mitjançant frameworks d'aprenentatge automàtic.

7. Dissenyar etiquetadors i classificadors de textos en llenguatge natural.

1. Desenvolupar i adaptar models d'aprenentatge automàtic que treballen amb textos en llenguatge natural.

2. Relacionar els problemes computacionals de l'anàlisi lèxica, sintàctic, semàntic i textual amb els seus models de representació i les principals tècniques per a tractar-los.

3. Integrar les tècniques simbòliques, estadístiques i neuronals que conformen l'estat de la qüestió en el processament robust d'informació textual no estructurada monolingüe, multilingüe i multimodal.

4. Entrenar i avaluar models de llengua estadístics i neuronals.

5. Obtindre representacions (embeddings) de subpalabras, paraules, oracions i altres elements textuals.

6. Implementar arquitectures bàsiques de processament de textos mitjançant frameworks d'aprenentatge automàtic.

7. Dissenyar etiquetadors i classificadors de textos en llenguatge natural.

 

 

 

Objectius específics indicats pel professorat per al curs 2026-27

  • Diseñar arquitecturas para resolver tareas complejas con textos y voz.
  • Evaluar la perplejidad y el rendimiento de modelos de lengua.
  • Analizar los mecanismos internos de los grandes modelos de lengua.
  • Adaptar modelos preentrenados multilingües y multimodales a dominios específicos.
  • Implementar clasificadores neuronales orientados al PLN.
  • Conocer los aspectos básicos del procesamiento lingüístico humano (cognitivo) y su modelado computacional.
  • Conocer los principales estándares del procesamiento sintáctico, sus problemas y adaptación a lenguas diversas.
  • Conocer los problemas del procesamiento semántico a nivel léxico, oracional y textual.
  • Saber diversos formalismos para la representación computacional del significado, tanto simbólicos como distribucionales; así como valorar su ventajas y conocer sus limitaciones.
  • Valorar la diversidad y riqueza lingüística en el mundo.
  • Anticipar y mitigar los riesgos éticos de las aplicaciones de PLN.

 

 

Dades generals

Codi: 33684
Professor/a responsable:
Pérez Ortiz, Juan Antonio
Crèdits ECTS: 6,00
Crèdits teòrics: 1,20
Crèdits pràctics: 1,20
Càrrega no presencial: 3,60

Departaments amb docència

  • Dep.: Llenguatges i Sistemes Informàtics
    Àrea: Llenguatges i Sistemes Informàtics
    Crèdits teòrics: 1,2
    Crèdits pràctics: 1,2
    Aquest departament és responsable de l'assignatura.
    Aquest dep. és responsable de l'acta.

Estudis en què s'imparteix