Enginyeria del Llenguatge Humà

Crèdits
4.5
Tipus
  • MDS: Optativa
  • MAI: Optativa
Requisits
Aquesta assignatura no té requisits , però té capacitats prèvies
Departament
CS;TSC
L'enginyeria del llenguatge humà constitueix un camp molt ampli. L'objectiu d'aquest curs és primer proporcionar als estudiants una visió general de la diversitat d'aplicacions associades amb l'enginyeria del llenguatge, identificant les tendències actuals. Després d'aquesta visió general, el curs se centrarà en tres àrees específiques: extracció d'informació, traducció automàtica i sistemes de diàleg. Per a cada àrea, s'han seleccionat algunes aplicacions per treballar-les en detall. Els estudiants aprendran quins coneixements i eines necessita un enginyer per desenvolupar aquestes aplicacions. Es presentaran algunes aplicacions actuals, per part d'empreses convidades, per comprendre la situació actual de l'enginyeria del llenguatge humà en el mercat.

Professorat

Responsable

Hores setmanals

Teoria
2
Problemes
1
Laboratori
0
Aprenentatge dirigit
0
Aprenentatge autònom
5.65

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


    Course Introduction

    Presentation of the course: aims, plan and structure. General overview of the range of applications associated with language engineering. Currents trends.
    Objectius: 1
    Continguts:
    Teoria
    2h
    Problemes
    1h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    5.7h

    Information Extraction

    Entity and Relation extraction. Event and Time extraction. Sentiment and Affect extraction. Summarisation. Considering open and restricted domains. Considering monolingual and crosslingual scenarios.
    Objectius: 5 2 3
    Continguts:
    Teoria
    6h
    Problemes
    3h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    17h

    Machine Translation

    Classical MT. Statistical MT. Resources and models for MT. MT Evaluation. Text-to-text translation. Speech-to-speech translation.
    Objectius: 5 2 3
    Continguts:
    Teoria
    8h
    Problemes
    4h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    22.6h

    Dialogue Systems

    Question Answering. Conversational Agents. Chatbots. Virtual Assistants.
    Objectius: 5 2 3
    Continguts:
    Teoria
    6h
    Problemes
    3h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    17h

    Industrial presentations

    Industrial presentations: learning current applications of human language engineering.
    Objectius: 3 4
    Continguts:
    Teoria
    2h
    Problemes
    1h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    5.7h

    Students presentations

    Students presentations: oral presentation of the study or development carried on.
    Objectius: 3 4
    Continguts:
    Teoria
    2h
    Problemes
    1h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    5.7h

    Metodologia docent

    This course will build on different teaching methodology (TM) aspects, including:

    TM1: theoretical lecture sessions
    TM2: practical sessions with invited speakers from the industry
    TM3: oral presentations of the students

    Mètode d'avaluació

    The students must deliver a report from three practical sessions where invited speakers from the industry explain actual applications of HLE. Only three industrial sessions will be subject of reporting, even in the case that some additional sessions would be scheduled.

    Each report is the 10% of the final mark.

    For the other 70% of the mark, each student will choose one option among:

    1. Deep study of a specific HLE application or a comparative study of HLE applications
    2. Development of a HLE application
    3. Development of a proposal to solve a specific real challenge

    In all the cases, a preliminar deliverable will be required (10%), as well as a final report (50%),
    and an oral presentation (10%).

    Bibliografia

    Bàsic

    Capacitats prèvies

    - Introductory concepts and methods of Natural Language Processing.

    - Programming.