Competencies and objectives

 

Course context for academic year 2026-27

La asignatura Procesamiento del Lenguaje Natural II (PLN II) se imparte en el segundo cuatrimestre del grado de Inteligencia Artificial y constituye la continuación de la asignatura de Procesamiento del Lenguaje Natural I (PLN I). Mientras que en PLN I se introducen los fundamentos teóricos y las arquitecturas básicas, en PLN II se aborda el uso práctico de estos modelos en aplicaciones reales.
Se estudian tareas como clasificación de texto, extracción de información y generación de lenguaje natural, así como el desarrollo de sistemas completos (pipelines, RAG, sistemas multiagente). También se profundiza en evaluación, fiabilidad, sesgos y enfoques Human-in-the-Loop.

 

 

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

  • CG1 : Analizar, diseñar, implementar e implantar soluciones completas de inteligencia artificial utilizando las infraestructuras, tecnologías, métodos, herramientas y plataformas adecuadas a cada problema
  • CG3 : Analizar fuentes documentales y adquirir conocimientos del ámbito de la inteligencia artificial para seguir los últimos avances en esta área, determinar su aplicabilidad para la resolución de problemas y adaptarse a nuevos escenarios futuros.
  • CG5 : Comunicar de manera clara y precisa conocimientos, metodologías, ideas, problemas y soluciones en el ámbito de la inteligencia artificial
  • CG6 : Concebir, desarrollar y aplicar sistemas de inteligencia artificial para mejorar los sectores productivos y la sociedad actual, determinando su idoneidad y ámbito de aplicación
  • CG7 : Resolver problemas de inteligencia artificial novedosos o multidisciplinares, mostrando iniciativa y originalidad en el desarrollo, después de analizar y entender las especificaciones planteadas

 

Specific Competences

  • CE34 : Diseñar e implementar aplicaciones basadas en el procesamiento del lenguaje natural, evaluarlas utilizando las métricas adecuadas, y analizar los modelos subyacentes.

 

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.
  • CB4 : Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

 

 

 

Learning outcomes (Training objectives)

1. Diferenciar las aplicaciones más habituales del procesamiento del lenguaje natural (recuperación de la información, clasificación de documentos, búsqueda de respuestas, traducción automática, reconocimiento y síntesis del habla, obtención automática de resúmenes, sistemas de diálogo, análisis de la opinión, análisis del sentimiento, etc.) y ser capaz de analizar los modelos subyacentes.

2. Desarrollar prototipos de aplicaciones basadas en aspectos como el análisis, comprensión, clasificación o generación de textos en lenguaje natural.

3. Adaptar modelos preentrenados a las aplicaciones del procesamiento del lenguaje natural estudiadas.

4. Seleccionar las técnicas más adecuadas para las diferentes aplicaciones del procesamiento del lenguaje natural.

5. Evaluar e interpretar las métricas del desempeño de las aplicaciones basadas en el procesamiento del lenguaje natural.

6. Desarrollar y validar la calidad de un corpus para su utilización en el aprendizaje de modelos lingüísticos.

7. Caracterizar y utilizar adecuadamente recursos auxiliares en el proceso de diseño y desarrollo de prototipos de aplicaciones del procesamiento del lenguaje natural.

 

 

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

No data

 

 

General

Code: 33686
Lecturer responsible:
Sepúlveda Torres, Robiert
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