Competències i objectius

 

Context de l'assignatura per al curs 2023-24

La asignatura Técnicas de Procesamiento de Lenguaje Natural presenta los fundamentos de la aproximación computacional al lenguaje humano. En esta asignatura se asume que el alumnado ha cursado con aprovechamiento la asignatura de Técnicas de Aprendizaje Automático y que ha adquirido los conocimientos y competencias que allí se abordan.

 

 

Competències de l'assignatura (verificades per ANECA en graus i màsters oficials)

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
  • CG3 : Saber desembolicar-se en contextos multidisciplinaris i/o internacionals aportant solucions des del punt de vista de la intel·ligència artificial.
  • CG5 : Saber gestionar la informació i els recursos disponibles relacionats amb intel·ligència artificial.

 

Competències Específiques

  • CE10 : Identificar les tècniques adequades per als diferents problemes de processament de llenguatge natural.
  • CE11 : Desenvolupar i avaluar mètodes relacionats amb el processament del llenguatge natural.

 

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)

- Enllaçar els fonaments teòrics de la lingüística computacional amb el desenvolupament de tècniques específiques de processament del llenguatge natural.

- Analitzar a nivell lèxic, sintàctic, semàntic i pragmàtic textos escrits en llenguatge natural.

- Contrastar enfocaments simbòlics, estadístics i neuronals en el processament del llenguatge natural.

- Conèixer les particularitats de l'aprenentatge automàtic en el context del processament del llenguatge natural.

- Determinar els models d'aprenentatge automàtic adequats per a resoldre un problema de processament del llenguatge natural amb especial èmfasi en els quals aporten bons resultats segons l'estat de la qüestió del moment.

- Conèixer els fonaments dels models computacionals de processament de la parla a nivell fonètic, de reconeixement i de síntesi.

- Conèixer els fonaments de les eines i llibreries més utilitzades en processament del llenguatge natural.

- Saber descarregar les dades i corpus adequats per a entrenar, adaptar i avaluar models d'aprenentatge automàtic en el context del processament del llenguatge.

- Aprofitar els avantatges dels models preentrenados, multilingües i multimodals.

 

 

Objectius específics indicats pel professorat per al curs 2023-24

  • Enlazar los fundamentos teóricos de la lingüística computacional con el desarrollo de técnicas específicas de procesamiento del lenguaje natural.
  • Analizar computacionalmente a nivel léxico, sintáctico, semántico y pragmático textos escritos en lenguaje natural.
  • Contrastar enfoques simbólicos, estadísticos y neuronales en el procesamiento del lenguaje natural.
  • Conocer las particularidades del aprendizaje automático en el contexto del procesamiento del lenguaje natural con especial énfasis en los métodos que aporten mejores resultados según el estado de la cuestión del momento.
  • Conocer los fundamentos de los modelos computacionales de procesamiento del habla a nivel fonético, de reconocimiento y de síntesis.
  • Saber descargar los datos y corpus adecuados para entrenar, adaptar y evaluar modelos de aprendizaje automático en el contexto del procesamiento del lenguaje natural.
  • Aprovechar las ventajas de los modelos preentrenados, multilingües y multimodales.

 

 

Dades generals

Codi: 43505
Professor/a responsable:
PEREZ ORTIZ, JUAN ANTONIO
Crèdits ECTS: 4,50
Crèdits teòrics: 0,90
Crèdits pràctics: 0,90
Càrrega no presencial: 2,70

Departaments amb docència

  • Dep.: LLENGUATGES I SISTEMES INFORMÀTICS
    Àrea: LLENGUATGES I SISTEMES INFORMÀTICS
    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