Ingeniería del Lenguaje Humano

Créditos
4.5
Tipos
  • MDS: Optativa
  • MAI: Optativa
Requisitos
Esta asignatura no tiene requisitos , pero tiene capacidades previas
Departamento
CS;TSC
La ingeniería del lenguaje humano constituye un campo muy amplio. El objetivo de este curso es primero proporcionar a los estudiantes una visión general de la diversidad de aplicaciones asociadas con la ingeniería del lenguaje, identificando las tendencias actuales. Después de esta visión general, el curso se centrará en tres áreas específicas: extracción de información, traducción automática y sistemas de diálogo. Para cada área, se han seleccionado algunas aplicaciones para trabajarlas en detalle. Los estudiantes aprenderán qué conocimientos y herramientas necesita un ingeniero para desarrollar tales aplicaciones. Se presentarán algunas aplicaciones actuales, por parte de empresas invitadas, para comprender la situación actual de la ingeniería del lenguaje humano en el mercado.

Profesorado

Responsable

Horas semanales

Teoría
2
Problemas
1
Laboratorio
0
Aprendizaje dirigido
0
Aprendizaje autónomo
5.65

Competencias

Competencias Técnicas Genéricas

Genéricas

  • CG1 - Capacidad para proyectar, diseñar e implantar productos, procesos, servicios e instalaciones en todos los ámbitos de la Inteligencia Artificial.

    • Competencias Técnicas de cada especialidad

    Académicas

  • CEA3 - Capacidad de comprender los principios básicos de funcionamiento de las técnicas principales de Aprendizaje Automático, y saber utilizarlas en el entorno de un sistema o servicio inteligente.
  • CEA5 - Capacidad de comprender los principios básicos de funcionamiento de las técnicas de Procesamiento del Lenguaje Natural, y saber utilizarlas en el entorno de un sistema o servicio inteligente.
  • CEA7 - Capacidad de comprender la problemática, y las soluciones a los problemas en la práctica profesional de la aplicación de la Inteligencia Artificial en el entorno empresarial e industrial.

    • Profesionales

  • CEP3 - Capacidad de aplicación de las técnicas de Inteligencia Artificial en entornos tecnológicos e industriales para la mejora de la calidad y la productividad.
  • CEP4 - Capacidad para disenar, redactar y presentar informes sobre proyectos informaticos en el area especifica de Inteligencia Artificial.

    • Competencias Transversales

    Trabajo en equipo

  • CT3 - Ser capaz de trabajar como miembro de un equipo interdisciplinar ya sea como un miembro mas, o realizando tareas de direccion con la finalidad de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles.

    • 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.

    • Razonamiento

  • CT6 - Capacidad de evaluar y analizar de manera razonada y critica sobre situaciones, proyectos, propuestas, informes y estudios de caracter cientifico-tecnico. Capacidad de argumentar las razones que explican o justifican tales situaciones, propuestas, etc.

    • Analisis y sintesis

  • CT7 - Capacidad de analisis y resolucion de problemas tecnicos complejos.

    • 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.
  • 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.

    • Objetivos

    1. Learning the current trends of Human Language Engineering and further challenges.
      Competencias relacionadas: CEA5, CEA7, CG1, CB9, CT4, CEA3,
    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.
      Competencias relacionadas: CB8, CT4, CT6, CEA3,
    3. Development of criteria to identity problems to be solved using Human Language Engineering.
      Competencias relacionadas: CT3, CT6, CT7, CEA7, CEP3, CG1,
    4. Application of the acquired knowledge to specific real problems.
      Competencias relacionadas: CT3, CT7, CEA3, CB6, CEA5, CEA7, CEP3, CEP4, CG1,
    5. Understanding the potential applications of Human Language Engineering in the business environment.
      Competencias relacionadas: CEA3, CEA7, CG1, CEA5,

    Contenidos

    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.

    Actividades

    Actividad Acto evaluativo


    Course Introduction

    Presentation of the course: aims, plan and structure. General overview of the range of applications associated with language engineering. Currents trends.
    Objetivos: 1
    Contenidos:
    Teoría
    2h
    Problemas
    1h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    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.
    Objetivos: 5 2 3
    Contenidos:
    Teoría
    6h
    Problemas
    3h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    17h

    Machine Translation

    Classical MT. Statistical MT. Resources and models for MT. MT Evaluation. Text-to-text translation. Speech-to-speech translation.
    Objetivos: 5 2 3
    Contenidos:
    Teoría
    8h
    Problemas
    4h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    22.6h

    Dialogue Systems

    Question Answering. Conversational Agents. Chatbots. Virtual Assistants.
    Objetivos: 5 2 3
    Contenidos:
    Teoría
    6h
    Problemas
    3h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    17h

    Industrial presentations

    Industrial presentations: learning current applications of human language engineering.
    Objetivos: 3 4
    Contenidos:
    Teoría
    2h
    Problemas
    1h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    5.7h

    Students presentations

    Students presentations: oral presentation of the study or development carried on.
    Objetivos: 3 4
    Contenidos:
    Teoría
    2h
    Problemas
    1h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    5.7h

    Metodología docente

    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

    Método de evaluación

    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%).

    Bibliografía

    Básico

    Capacidades previas

    - Introductory concepts and methods of Natural Language Processing.

    - Programming.