Competencies and objectives
Course context for academic year 2024-25
The course Técnicas de Procesamiento de Lenguaje Natural presents the fundamentals of the computational approach to human language. In this course, it is assumed that students have successfully completed the course Técnicas de Aprendizaje Automático and have acquired the knowledge and skills covered there.
Course content (verified by ANECA in official undergraduate and Master’s degrees) for academic year 2024-25
Transversal Competences
- 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.
General Competences
- 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.
Specific Competences
- 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.
Basic Competences
- 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
Learning outcomes (Training objectives)
- Link the theoretical foundations of computational linguistics with the development of specific natural language processing techniques.
- Analyse texts written in natural language at the lexical, syntactic, semantic and pragmatic levels.
- Contrasting symbolic, statistical and neural approaches in natural language processing.
- Know the particularities of machine learning in the context of natural language processing.
- Determine the appropriate machine learning models to solve a natural language processing problem with special emphasis on those that provide good results according to the current state of the art.
- Know the fundamentals of computational models of speech processing at the phonetic, recognition and synthesis levels.
- Know the basics of the most widely used tools and libraries in natural language processing.
- Know how to download the appropriate data and corpus to train, adapt and evaluate machine learning models in the context of language processing.
- Take advantage of the benefits of pre-trained, multilingual and multimodal models.
Specific objectives stated by the academic staff for academic year 2024-25
- Link the theoretical foundations of computational linguistics with the development of specific techniques for natural language processing.
- Analyze written texts in natural language computationally at the lexical, syntactic, semantic, and pragmatic levels.
- Contrast symbolic, statistical, and neural approaches in natural language processing.
- Understand the particularities of machine learning in the context of natural language processing, with special emphasis on the methods that provide the best results according to the current state of the art.
- Understand the fundamentals of computational models for speech processing at the phonetic, recognition, and synthesis levels.
- Download the appropriate data and corpora to train, adapt, and evaluate machine learning models in the context of natural language processing.
- Take advantage of pretrained, multilingual, and multimodal models.
General
Code:
43505
Lecturer responsible:
PEREZ ORTIZ, JUAN ANTONIO
Credits ECTS:
4,50
Theoretical credits:
0,90
Practical credits:
0,90
Distance-base hours:
2,70
Departments involved
-
Dept:
LANGUAGES AND COMPUTING SYSTEMS
Area: LANGUAGES AND COMPUTING SYSTEMS
Theoretical credits: 0,9
Practical credits: 0,9
This Dept. is responsible for the course.
This Dept. is responsible for the final mark record.
Study programmes where this course is taught
-
UNIVERSITY MASTER'S DEGREE IN ARTIFICIAL INTELLIGENCE
Course type: COMPULSORY (Year: 1)