Competencies and objectives
Course context for academic year 2024-25
The subject Applications of Natural Language Processing focuses on the use of natural language processing techniques to support tasks involving language comprehension, natural language text generation and speech processing. This subject is a continuation of the subject Natural Language Processing Techniques; therefore, it is assumed that students have satisfactorily completed this subject and that they have acquired the knowledge and competences that are specific to it.
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
- CG4 : Conèixer i aplicar en cada situació les responsabilitats socials, ètiques i legals vinculades a la intel·ligència artificial.
- CG6 : Ser capaç d'adaptar-se a entorns relacionats amb la intel·ligència artificial, fomentant el treball en equip, la creativitat, la capacitat crítica i l'esperit emprenedor.
- CG7 : Ser capaç d'adaptar-se a la constant evolució de la disciplina i de comprendre i aplicar els nous avanços técnicocientíficos relacionats amb la intel·ligència artificial.
- CG8 : Saber projectar, dissenyar, desenvolupar, implantar i mantenir productes, aplicacions i serveis relacionats amb la intel·ligència artificial, tenint en compte aspectes tècnics, econòmics i d'eficiència.
- CG9 : Saber dirigir projectes relacionats amb la intel·ligència artificial, complint la normativa vigent i assegurant la qualitat del servei.
Specific Competences
- CE13 : Extrapolar les tècniques bàsiques de processament del llenguatge natural per a aplicacions concretes a altres problemes que puguen ser resolts mitjançant aquestes tècniques.
- CE14 : Detectar contextos tecnològics reals en els quals el processament del llenguatge natural pot aportar solucions útils.
- CE15 : Extraure les característiques comunes a les diferents aplicacions del processament del llenguatge natural alhora que es diferencien les seues particularitats.
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)
- Apply, develop, train, implement and evaluate the appropriate techniques to solve a real-world problem involving the use of natural language.
- Know the main current applications of language understanding based on the state of the art, such as information retrieval applications, answer search, document classification, sentiment analysis, fact checking and hoax detection, etc.
- Know the main current applications of natural language generation based on the state of the art, such as text autocompletion applications, automatic summaries, dialogue systems, etc.
- To know the techniques and models currently used in machine translation and their adaptation to other sequence translation tasks.
- To understand the principles of speech recognition in current models and their integration, for example, in conversational systems.
- Optimise the performance of the natural language processing applications implemented to obtain efficient systems that can be used in production.
- Identify the different types of biases present in natural language processing systems as well as their prevention and treatment.
Specific objectives stated by the academic staff for academic year 2024-25
- To know the main applications of language comprehension and know how to choose, train and evaluate machine learning models for tasks such as information retrieval, question answering, document classification or sentiment analysis, among others.
- To know the main applications of natural language generation and know how to choose, train and evaluate machine learning models for tasks such as the generation of abstract summaries, generation of reports and/or news, or dialogue systems, among others.
- To know the main applications of machine translation and know how to choose, train and evaluate machine learning models for translation in specific contexts.
- To know the main applications of speech processing and know how to choose, train and evaluate machine learning models for speech processing.
- To identify the different types of biases present in natural language processing systems as well as their prevention and treatment.
General
Code:
43508
Lecturer responsible:
SANCHEZ MARTINEZ, FELIPE
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)