Minería de Datos No Estructurados

• Profesorado
• Horas semanales
• Competencias
• Objetivos
• Contenidos
• Actividades
• Metodología docente
• Método de evaluación
• Bibliografía
• Capacidades previas

Profesorado

Responsable

• Jordi Turmo Borrás ( )

Otros

• Carlos Escolano Peinado ( )
• Javier Ferrando Monsonis ( )
• Salvador Medina Herrera ( )

Horas semanales

Competencias

Competencias Transversales

Uso solvente de los recursos de información

• CT4 - Gestionar la adquisicion, la estructuracion, el analisis y la visualizacion de datos e informacion en el ambito de la especialidad y valorar de forma critica los resultados de esta gestion.

Lengua extranjera

• CT5 - Conocer una tercera lengua, preferentemente el inglés, con un nivel adecuado oral y escrito y en consonancia con las necesidades que tendrán los titulados y tituladas.

Espíritu emprendedor e innovador

• CT1 - Conocer y entender la organización de una empresa y las ciencias que rigen su actividad; tener capacidad para entender las normas laborales y las relaciones entre la planificación, las estrategias industriales y comerciales, la calidad y el beneficio. Conocer y entender los mecanismos en que se basa la investigación científica, así como los mecanismos e instrumentos de transferencia de resultados entre los diferentes agentes socioeconómicos implicados en los procesos de I+D+i.

Básicas

• CB6 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
• CB7 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
• CB8 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
• CB9 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
• CB10 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.

Competencias Técnicas Genéricas

Genéricas

• CG2 - Identificar y aplicar métodos de análisis, extracción de conocimiento y visualización de datos recogidos en formatos muy diversos.

Competencias Técnicas

Específicas

• CE6 - Diseñar el proceso de Ciencia de Datos y aplicar metodologías científicas para obtener conclusiones sobre poblaciones y tomar decisiones en consecuencia, a partir de datos estructurados o no estructurados y potencialmente almacenados en formatos heterogéneos.
• CE7 - Identificar las limitaciones impuestas por la calidad de datos en un problema de ciencia de datos y aplicar técnicas para disminuir su impacto
• CE11 - Analizar y extraer conocimiento de información no estructurada mediante técnicas de procesamiento de lenguaje natural, minería de textos e imágenes
• CE12 - Aplicar la ciencia de datos en proyectos multidisciplinares para resolver problemas en dominios nuevos o poco conocidos y que sean económicamente viables, socialmente aceptables, y de acuerdo con la legalidad vigente
• CE13 - Identificar las principales amenazas en el ámbito de la ética y la privacidad de datos en un proyecto de ciencia de datos (tanto en el aspecto de gestión como de análisis de datos) y desarrollar e implantar medidas adecuadas para mitigar dichas amenazas.

Objetivos

1. Conocer y comprender las tareas básicas de procesamiento del lenguaje natural y su aplicación en tareas de análisis de texto.
   Competencias relacionadas: CT4, CT1, CG2, CE6, CE7, CE11, CB6, CB7, CB10,
2. Conocer, comprender y aplicar métodos de minería de textos, incluyendo reconocimiento de entidades, análisis de sentimiento y recuperación de documentos.
   Competencias relacionadas: CT4, CT5, CE11, CE12, CB6, CB7, CB8, CB9,
3. Conocer, comprender y aplicar los principios básicos del aprendizaje profundo en tareas sobre datos no estucturados, tales como el procesamiento del lenguaje o la visión por computador..
   Competencias relacionadas: CT4, CT5, CG2, CE6, CE7, CE11, CE13, CB6, CB7, CB8, CB9, CB10,

Contenidos

1. Procesamiento de lenguaje natural y su aplicación en análisis de textos.
   Introduction: What is NLP and its applications
2. Descripción de las etapas del procesamiento de lenguaje natural.
   Text segmentation: sentence splitting, tokenization; morpholigcal analysis, PoS tagging, syntactic parsing
3. clasificación del texto y similitud de textos.
   Similarity measures for text. String edit based distances. Vector and set distance measures, distributional semantics. Document retrieval.
   Text classification: Sentiment analysis
4. Extraccion de informacion: Reconocimiento de entidades, extraccion de relaciones
   
5. Técnicas de aprendizaje profundo para análisis de datos no estructurados.
   Word embeddings, neural language processing
6. Principales arquitecturas de aprendizaje profundo para datos no estructurados
   Recurrent NN, Convolutional NN, Transformers

Actividades

Actividad Acto evaluativo

Metodología docente

Método de evaluación

Bibliografía

Básica:

• 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,
  

Capacidades previas