Enginyeria del Llenguatge Humà

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

Professorat

Responsable

• Anna Sallés Rius ( )

Hores setmanals

Competències

Competències Tècniques Generals

Genèriques

• CG1 - Capacitat per a projectar, dissenyar i implantar productes, processos, serveis i instal·lacions en tots els àmbits de la Intel·ligència Artificial.

Competències Tècniques de cada especialitat

Acadèmiques

• CEA3 - Capacitat de comprendre els principis bàsics de funcionament de les tècniques principals d'Aprenentatge Automàtic, i saber utilitzar-les en l'entorn d'un sistema o servei intel·ligent.
• CEA5 - Capacitat de comprendre els principis bàsics de funcionament de les tècniques de Processament del Llenguatge Natural, i saber utilitzar-les en l'entorn d'un sistema o servei intel·ligent.
• CEA7 - Capacitat de comprendre la problemàtica, i les solucions als problemes en la pràctica professional de l'aplicació de la Intel·ligència Artificial en l'entorn empresarial i industrial.

Professionals

• CEP3 - Capacitat d'aplicació de les tècniques d'Intel·ligència Artificial en entorns tecnològics i industrials per a la millora de la qualitat i la productivitat.
• CEP4 - Capacitat per dissenyar, redactar i presentar informes sobre projectes informaticos en l'area especifica d'Intel·ligència Artificial.

Competències Transversals

Treball en equip

• CT3 - Ser capaç de treballar com a membre d'un equip interdisciplinari, ja sigui com un membre més o duent a terme tasques de direcció, amb la finalitat de contribuir a desenvolupar projectes amb pragmatisme i sentit de la responsabilitat, tot assumint compromisos considerant els recursos disponibles.

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.

Raonament

• CT6 - Capacitat d'avaluar i analitzar de manera raonada i crítica sobre situacions, projectes, propostes, informes i estudis de caracter cientific-tecnic. Capacitat d'argumentar les raons que expliquen o justifiquen aquestes situacions, propostes, etc.

Analisis i sintesis

• CT7 - Capacitat d'anàlisi i resolució de problemes tècnics complexos.

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.
• 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.

Objectius

1. Learning the current trends of Human Language Engineering and further challenges.
   Competències relacionades: CEA3, CEA5, CEA7, CG1, CT4, CB9,
2. Learning knowledge and tools required to develop Human Language Engineering applications in the selected areas (Information Extraction, Machine Translation and Dialogue Systems), and comparison criteria.
   Competències relacionades: CEA3, CT4, CT6, CB8,
3. Development of criteria to identity problems to be solved using Human Language Engineering.
   Competències relacionades: CEA7, CG1, CEP3, CT3, CT6, CT7,
4. Application of the acquired knowledge to specific real problems.
   Competències relacionades: CEA3, CEA5, CEA7, CG1, CEP3, CEP4, CT3, CT7, CB6,
5. Understanding the potential applications of Human Language Engineering in the business environment.
   Competències relacionades: CEA3, CEA5, CEA7, CG1,

Continguts

1. Course Introduction
   Presentation of the course: aims, plan and structure.
   General overview of the range of applications associated with language engineering. Currents trends.
2. Information Extraction
   Entity and Relation extraction. Event and Time extraction. Sentiment and Affect extraction. Summarisation.
3. Machine Translation
   Classical MT. Statistical MT. Resources and models for MT. MT Evaluation.
4. Dialogue Systems
   Question Answering. Conversational Agents. Chatbots. Virtual Assistants.

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, D.; Martin, J.H, Prentice Hall, 2008. ISBN: 9332518416
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991003460299706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Speech and language processing: an introduction to natural language processing, computational linguistics, and speech recognition - Jurafsky, D.; Martin, J.H, 2019.
  http://cataleg.upc.edu/record=b1536816~S1*cat

Capacitats prèvies