Competencias y objetivos

 

Contexto de la asignatura para el curso 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.

 

 

Resultados de aprendizaje / Competencias de la asignatura (verificadas por ANECA en grados y másteres oficiales) para el curso 2026-27

Competencias Transversales

  • 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.

 

Competencias Generales

  • 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

 

Competencias Específicas

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

 

Competencias Básicas

  • CB3 : Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

 

 

 

Resultados de aprendizaje (Objetivos formativos)

 

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.

 

 

Objetivos específicos indicados por el profesorado para el curso 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.

 

 

Datos generales

Código: 33684
Profesor/a responsable:
Pérez Ortiz, Juan Antonio
Crdts. ECTS: 6,00
Créditos teóricos: 1,20
Créditos prácticos: 1,20
Carga no presencial: 3,60

Departamentos con docencia

  • Dep.: Lenguajes y Sistemas Informáticos
    Área: Lenguajes y Sistemas Informáticos
    Créditos teóricos: 1,2
    Créditos prácticos: 1,2
    Este dep. es responsable de la asignatura.
    Este dep. es responsable del acta.

Estudios en los que se imparte