Mineria de Dades No Estructurades

• Professorat
• Hores setmanals
• Competències
• Objectius
• Continguts
• Activitats
• Metodologia docent
• Mètode d'avaluació
• Bibliografia
• Capacitats prèvies

Professorat

Responsable

• Jordi Turmo Borrás ( )

Altres

• Bardia Rafieian ( )
• Carlos Escolano Peinado ( )
• Salvador Medina Herrera ( )

Hores setmanals

Competències

Competències Transversals

ús solvent dels recursos d'informació

• CT4 - Gestionar l'adquisició, l'estructuració, l'anàlisi i la visualització de dades i informació de l'àmbit d'especialitat, i valorar de forma crítica els resultats d'aquesta gestió.

Tercera llengua

• CT5 - Conèixer una tercera llengua, preferentment l'anglès, amb un nivell adequat oral i escrit i en consonància amb les necessitats que tindran els titulats i titulades.

Emprenedoria i innovació

• CT1 - Conèixer i comprendre l'organització d'una empresa i les ciències que regeixen la seva activitat; tenir capacitat per entendre les normes laborals i les relacions entre la planificació, les estratègies industrials i comercials, la qualitat i el benefici. Conèixer i entendre els mecanismes en què es basa la recerca científica, així com els mecanismes i instruments de transferència de resultats entre els diferents agents socioeconòmics implicats en els processos d'I+D+i.

Bàsiques

• CB6 - Que els estudiants sàpiguen aplicar els coneixements adquirits y la seva capacitat de resolució de problemes en entorns nous o poc coneguts dins de contexts més amplis (o multidisciplinaris) relacionats amb la seva àrea d'estudi.
• CB7 - Que els estudiants siguin capaços d'integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d'una informació que, essent incomplerta o limitada, inclogui reflexions sobre les responsabilitats socials i ètiques vinculades a l'aplicació dels seus coneixements i judicis.
• CB8 - Que els estudiants sàpiguen comunicar les seves conclusions i els coneixements i raons darreres que les sustenten- a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats.
• CB9 - Que els estudiants posseeixin les habilitats d'aprenentatge que els permetin continuar estudiant d'una manera que haurà de ser en gran mesura autodirigida o autònoma..
• CB10 - Posseir i comprendre coneixements que aportin una base o oportunitat de ser originals en el desenvolupament i/o aplicació d'idees, sovint en un context de recerca.

Competències Tècniques Generals

Genèriques

• CG2 - Identificar i aplicar mètodes d'anàlisi, extracció de coneixement i visualització de dades recollides en formats molt diferents

Competències Tècniques

Específiques

• CE6 - Dissenyar el procés de Ciència de Dades i aplicar metodologies científiques per a obtenir conclusions sobre poblacions i prendre decisions en conseqüència, a partir de dades estructurades o no estructurades i potencialment emmagatzemades en formats heterogenis.
• CE7 - Identificar les limitacions imposades per la qualitat de dades en un problema de ciència de dades i aplicar tècniques per a disminuir el seu impacte
• CE11 - Analitzar i extreure coneixement d'informació no estructurada mitjançant tècniques de processament de llenguatge natural, mineria de textos i imatges
• CE12 - Aplicar la ciència de dades en projectes multidisciplinaris per resoldre problemes en dominis nous o poc coneguts per la ciència de dades i que siguin econòmicament viables, socialment acceptables, i d'acord amb la legalitat vigent
• CE13 - Identificar les principals amenaces en l'àmbit de l'ètica i la privacitat de dades en un projecte de ciència de dades (tant en l'aspecte de gestió com d'anàlisi de dades) i desenvolupar i implantar mesures adequades per esmorteïr aquestes amenaces.

Objectius

1. Know and understand basic NLP tasks and their application to text analysis.
   Competències relacionades: CT4, CT1, CG2, CE6, CE7, CE11, CB6, CB7, CB10,
2. Know, understand, and apply text mining techniques, including entity recognition, sentiment analysis, and document retrieval.
   Competències relacionades: CT4, CT5, CE11, CE12, CB6, CB7, CB8, CB9,
3. Know, understand, and apply basic principles of deep learning in unstructured data tasks, such as natural language processing, or computer vision.
   Competències relacionades: CT4, CT5, CG2, CE6, CE7, CE11, CE13, CB6, CB7, CB8, CB9, CB10,

Continguts

1. Natural language processing and its application to text analysis
   Introduction: What is NLP and its applications
2. natural language processing stages
   Text segmentation: sentence splitting, tokenization; morpholigcal analysis, PoS tagging, syntactic parsing
3. text classification, text similarity.
   Similarity measures for text. String edit based distances. Vector and set distance measures, distributional semantics. Document retrieval.
   Text classification: Sentiment analysis
4. Information extraction: Entity recognition, relation extraction
   
5. Deep learning techniques for the analysis of non-structured data
   Word embeddings, neural language processing
6. Main deep learning architectures for non-structured data
   Recurrent NN, Convolutional NN, Transformers

Activitats

Activitat Acte avaluatiu

Metodologia docent

Mètode d'avaluació

Bibliografia

Bàsica:

• Speech and language processing : an introduction to natural language processing, computational linguistics, and speech recognition - Jurafsky, Dan; Martin, James H, Prentice Hall, 2008. ISBN: 9789332518414
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991003460299706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Handbook of natural language processing - Indurkhya, Nitin ; Damerau, Fred J, Taylor¬Francis, 2010. ISBN: 9780429149207
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991004874386806711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Foundations of statistical natural language processing - Manning, Christopher D; Schütze, Hinrich, MIT Press, 1999. ISBN: 0262133601
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991001994779706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• The Oxford handbook of computational linguistics - Mitkov, Ruslan, Oxford University Press, 2003. ISBN: 0198238827
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991002689009706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Handbook of natural language processing - Indurkhya, Nitin; Damerau, Frederick J, Chapman and Hall/CRC, 2010. ISBN: 9781420085938
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991001234699706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• The Handbook of computational linguistics and natural language processing - Clark, Alexander; Fox, Chris; Lappin, Shalom, Wiley-Blackwell, 2010. ISBN: 9781444324044
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991001686059706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Natural language processing with deep learning - Manning, C.; See, A, Stanford University, 2022.
  
• Natural language processing - Collins, M, Columbia University,
  

Capacitats prèvies