Competencies and objectives

 

Course context for academic year 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.

 

 

Learning outcomes / Course competencies (verified by ANECA in official undergraduate and Master’s degrees) for academic year 2026-27

Transversal Competences

  • CT01 : Utilizar de forma habitual las herramientas informáticas, así como las tecnologías de la información y las comunicaciones, en todo su desempeño profesional.
  • CT02 : Comunicar de forma oral y escrita transmitiendo información, ideas, problemas y soluciones a un público tanto especializado como no especializado.

 

General Competences

  • CG2 : Conocer, seleccionar y aplicar métodos de los diferentes campos de la inteligencia artificial para la resolución de problemas de ingeniería.
  • CG7 : Resolver problemas de inteligencia artificial novedosos o multidisciplinares, mostrando iniciativa y originalidad en el desarrollo, después de analizar y entender las especificaciones planteadas
  • CG8 : Concebir, desarrollar e implantar sistemas de inteligencia artificial teniendo en cuenta aspectos de calidad y seguridad, dentro del marco normativo, además de atender a criterios medioambientales y de uso racional, ético y eficiente de recursos e información

 

Specific Competences

  • CE33 : Identificar e implementar las principales técnicas de inteligencia artificial para el análisis, procesamiento y generación del lenguaje natural

 

Basic Competences

  • CB3 : Students must be able to gather and interpret relevant data (usually within their area of study) in order to make judgements that include reflection on relevant social, scientific or ethical issues.

 

 

 

Learning outcomes (Training objectives)

 

1. Desarrollar y adaptar modelos de aprendizaje automático que trabajen con textos en lenguaje natural.

2. Relacionar los problemas computacionales del análisis léxico, sintáctico, semántico y textual con sus modelos de representación y las principales técnicas para tratarlos.

3. Integrar las técnicas simbólicas, estadísticas y neuronales que conformen el estado de la cuestión en el procesamiento robusto de información textual no estructurada monolingüe, multilingüe y multimodal.

4. Entrenar y evaluar modelos de lengua estadísticos y neuronales.

5. Obtener representaciones (embeddings) de subpalabras, palabras, oraciones y otros elementos textuales.

6. Implementar arquitecturas básicas de procesamiento de textos mediante frameworks de aprendizaje automático.

7. Diseñar etiquetadores y clasificadores de textos en lenguaje natural.

 

 

Specific objectives stated by the academic staff for academic year 2026-27

No data

 

 

General

Code: 33684
Lecturer responsible:
Pérez Ortiz, Juan Antonio
Credits ECTS: 6,00
Theoretical credits: 1,20
Practical credits: 1,20
Distance-base hours: 3,60

Departments involved

  • Dept: Software and Computing Systems
    Area: Languages and Computing Systems
    Theoretical credits: 1,2
    Practical credits: 1,2
    This Dept. is responsible for the course.
    This Dept. is responsible for the final mark record.

Study programmes where this course is taught