Procesamiento del Lenguaje Humano

Créditos
6
Tipos
Obligatoria
Requisitos
Esta asignatura no tiene requisitos , pero tiene capacidades previas
Departamento
CS
Web
https://www.cs.upc.edu/~turmo/plh/plan15m/PLH.html
Esta asignatura introduce la problemática que presenta el procesamiento del lenguaje natural (PLN), las técnicas y recursos que se utilizan para tratarlos y los fundamentos teóricos en que se basan. La asignatura también introduce brevemente las aplicaciones más importantes del procesamiento de la lengua.
El temario de la asignatura se centra en las dos aproximaciones más utilizadas en el procesamiento del lenguaje natural: la aproximación basada en el conocimiento y la aproximación basada en métodos empíricos (básicamente de tipo estadístico y de aprendizaje automático).

Profesorado

Responsable

  • Jordi Turmo Borrás (turmo@cs.upc.edu)
  • Lluis Padro Cirera (padro@cs.upc.edu)

Otros

  • Salvador Medina Herrera (salvador.medina.herrera@upc.edu)

Horas semanales

Teoría
1.5
Problemas
0.5
Laboratorio
2
Aprendizaje dirigido
0
Aprendizaje autónomo
6

Competencias

Competencias Transversales

Transversales

  • CT1 - Emprendimiento e innovación. 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.
  • CT2 - Sostenibilidad y Compromiso Social. Conocer y comprender la complejidad de los fenómenos económicos y sociales típicos de la sociedad del bienestar; tener capacidad para relacionar el bienestar con la globalización y la sostenibilidad; lograr habilidades para utilizar de forma equilibrada y compatible la técnica, la tecnología, la economía y la sostenibilidad.
  • CT6 [Avaluable] - Aprendizaje autónomo. Detectar deficiencias en el propio conocimiento y superarlas mediante la reflexión crítica y la elección de la mejor actuación para ampliar dicho conocimiento.
  • CT8 - Perspectiva de género. Conocer y comprender, desde el propio ámbito de la titulación, las desigualdades por razón de sexo y género en la sociedad; integrar las diferentes necesidades y preferencias por razón de sexo y de género en el diseño de soluciones y resolución de problemas.

    • Básicas

  • CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
  • CB3 - Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
  • CB4 - Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
  • CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

    • Competencias Técnicas

    Específicas

  • CE02 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica y complejidad computacional, y su aplicación para el tratamiento automático de la información por medio de sistemas computacionales y su aplicación para la resolución de problemas.
  • CE14 - Dominar los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dichas técnicas en cualquier ámbito de aplicación, incluido la robótica.
  • CE15 - Adquirir, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación,percepción y actuación en ambientes o entornos inteligentes.
  • CE16 - Diseñar y evaluar interfaces persona-máquina que garanticen la accesibilidad y usabilidad de los sistemas, servicios y aplicaciones informáticas.
  • CE17 - Desarrollar y evaluar sistemas interactivos y de presentación de información compleja y su aplicación a la resolución de problemas de diseño de interacción persona-computadora y persona-robot.
  • CE18 - Adquirir y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos.
  • CE27 - Diseñar y aplicar técnicas de procesado de la voz, de reconocimiento del lenguaje hablado y comprensión del lenguaje humano, con aplicación en la inteligencia artificial social.

    • Competencias Técnicas Genéricas

    Genéricas

  • CG3 - Definir, evaluar y seleccionar plataformas hardware y software para el desarrollo y la ejecución de sistemas, servicios y aplicaciones informáticas en el ámbito de la inteligencia artificial.
  • CG4 - Razonar, analizando la realidad y diseñando algoritmos y formulaciones que la modelen. Identificar problemas y construir soluciones algorítmicas o matemáticas válidas, eventualmente nuevas, integrando el conocimiento multidisciplinar necesario, valorando distintas alternativas con espíritu crítico, justificando las decisiones tomadas, interpretando y sintetizando los resultados en el contexto del dominio de aplicación y estableciendo generalizaciones metodológicas a partir de aplicaciones concretas.
  • CG5 - Trabajar en equipos y proyectos multidisciplinares relacionados con la inteligencia artificial y la robótica, interactuando fluidamente con ingenieros/as y profesionales de otras disciplinas.
  • CG6 - Identificar oportunidades para aplicaciones innovadoras de la inteligencia artificial y la robótica en entornos tecnológicos en continua evolución.
  • CG7 - Interpretar y aplicar la legislación vigente, así como especificaciones, reglamentos y normas en el ámbito de la inteligencia artificial.
  • CG8 - Observar un ejercicio ético de la profesión en todas sus facetas, aplicando criterios éticos en el diseño de sistemas,algoritmos, experimentos, utilización de datos, de acuerdo con los sistemas éticos recomendados por los organismos nacionales e internacionales, con especial énfasis en seguridad, robustez, privacidad, transparencia, trazabilidad, prevención de sesgos (de raza, género, religión, territorio, etc.) y respeto a los derechos humanos.
  • CG9 - Afrontar nuevos retos con una visión amplia de las posibilidades de la carrera profesional en el ámbito de la Inteligencia Artificial. Desarrollar la actividad aplicando criterios de calidad y mejora continua, y actuar con rigor en el desarrollo profesional. Adaptarse a los cambios organizativos o tecnológicos. Trabajar en situaciones de carencia de información y/o con restricciones temporales y/o de recursos.

    • Objetivos

    1. Entender las teorías y las técnicas fundamentales asociadas al Procesamiento del Lenguaje Natural
      Competencias relacionadas: CE27, CG3, CG5, CG6, CT6, CB3, CB4, CB5, CE02, CE14, CE18,
    2. Conocer los recursos y las aplicaciones mas relevantes del Procesamiento del Lenguaje Natural
      Competencias relacionadas: CE27, CG3, CG4, CG5, CG6, CT6, CT8, CB3, CB4, CB5, CE15,
    3. Desarrollar programas para la resolución de tareas particulares del área del Procesamiento del Lenguaje Natural
      Competencias relacionadas: CE27, CG5, CG7, CG8, CG9, CT1, CT2, CT6, CT8, CB2, CB3, CB4, CB5, CE02, CE14, CE16, CE17, CE18,

    Contenidos

    1. Procesamiento del Lenguaje Natural y sus aplicaciones
    2. Técnicas, recursos y aplicaciones asociados al análisis de palabras
    3. Técnicas, recursos y aplicaciones asociados al análisis de secuencias de palabras
    4. Técnicas, recursos y aplicaciones asociados al análisis de frases
    5. Técnicas y aplicaciones asociados al análisis de un texto visto como secuencia de frases

    Actividades

    Actividad Acto evaluativo



    Objetivos: 1 2
    Contenidos:
    Teoría
    2h
    Problemas
    0h
    Laboratorio
    2h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h


    Objetivos: 1 2
    Contenidos:
    Teoría
    2h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h


    Objetivos: 1 2
    Contenidos:
    Teoría
    8h
    Problemas
    3h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h


    Objetivos: 1 2
    Contenidos:
    Teoría
    5h
    Problemas
    2h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h



    Teoría
    4h
    Problemas
    2h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h



    Teoría
    1.5h
    Problemas
    0.5h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h



    Teoría
    0h
    Problemas
    0h
    Laboratorio
    4h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h



    Teoría
    0h
    Problemas
    0h
    Laboratorio
    8h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h



    Teoría
    0h
    Problemas
    0h
    Laboratorio
    8h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h



    Teoría
    0h
    Problemas
    0h
    Laboratorio
    8h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    Prácticas


    Objetivos: 3
    Semana: 15 (Fuera de horario lectivo)
    Teoría
    0h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h


    Objetivos: 1 2
    Semana: 15 (Fuera de horario lectivo)
    Teoría
    0h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    Metodología docente

    Las clases están organizadas en sesiones de teoría/problemas y laboratorio.

    En cada sesión de teoría&problemas se introducirán los nuevos conceptos, problemáticas relacionadas y aproximaciones para resolverlas.Además, se resolverán ejercicios para fijar los conceptos, técnicas y algoritmos explicados.

    En las sesiones de laboratorio se desarrollarán pequeñas prácticas utilizando herramientas y lenguajes adecuados al PLN que permitirán practicar y reforzar los conocimientos de las clases de teoría.

    Método de evaluación

    NEX: nota del examen final
    NLAB: nota media de las prácticas de laboratorio
    NF: nota final de la asignatura

    NF = 0.5*NEX + 0.5*NLAB

    Reevaluación

    Sólo se pueden presentar en el examen de reevaluación quienes previamente se hayan presentado al examen final y lo hayan suspendido. En este examen entrará todo el temario dado en las clases de teoría. La nota máxima de dicho examen será de 7.

    Bibliografía

    Básico

    • Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition - Jurafsky, Dan; Martin, James H, Prentice Hall,, 2019.
    • Foundations of Statistical Natural Language Processing - Manning, Christopher; Schütze, Hinrich, MIT Press,, 1999. ISBN: 0262133601
      https://discovery.upc.edu/discovery/fulldisplay?docid=alma991001994779706711&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, 2012. ISBN: 9781444324044

    Capacidades previas