• Descripción

Los datos en formato de texto (formato no estructurado) son uno de los grandes recursos que tenemos a disposición pero que, por su naturaleza, son extremadamente complejos de analizar y de extraer automáticamente la información y conocimiento que contienen.

En esta asignatura veremos las bases del procesamiento del lenguaje natural o, concretamente, de la comprensión del lenguaje natural (Natural Language Understanding). Esta base teórica nos permite adentrarnos en el análisis de sentimientos (sentiment analysis), que constituye un importante campo de investigación en la actualidad.

Concretamente, veremos  como interpretar y analizar automáticamente la información textual, como extraer sentimientos y opiniones de textos, y cómo evaluar la calidad de los sistemas de reconocimiento de sentimientos. Lo haremos mediante técnicas clásicas de linguística computacional, así como también aplicando algunos de los principales métodos de aprendizaje automático (machine learning) y aprendizaje profundo (deep learning) para tareas de reconocimiento de textos y análisis de sentimientos.

• La asignatura en el conjunto del plan de estudios

Esta asignatura pertenece al conjunto de asignaturas optativas del Máster universitario en Ciencia de datos (Data Science).

• Conocimientos previos

El curso requiere que los estudiantes tengan conocimientos de programación (preferiblemente en lenguaje Python), así como conocimientos avanzados de aprendizaje automático (machine learning).

Se recomienda haber cursado la asignatura "Modelos avanzados de minería de datos" antes de cursar esta asignatura, ya que se utilizan conceptos explicados en esta asignatura.

Además, como la metodología incluye estudios de casos y la investigación autónoma de información, es aconsejable que el estudiante esté familiarizado con la búsqueda de fuentes de información, el análisis de la información cuantitativa y cualitativa, la capacidad de sintetizar y obtener conclusiones así como de poseer ciertas habilidades de comunicación escrita.

Asimismo también es necesario que los estudiantes tengan la capacidad de leer y comprender el idioma inglés ya que una parte de los materiales adicionales y otros recursos, están en este idioma.

• Objetivos y competencias

Los objetivos que se desea que el estudiante alcance mediante esta asignatura son los siguientes:

• Conocer las principales técnicas y herramientas para el procesamiento y comprensión del lenguaje natural.
• Saber aplicar las técnicas y herramientas para las principales tareas de comprensión del lenguaje natural, incluyendo la identificación automática de temas e idiomas y la extracción de palabras clave.
• Conocer el proceso, junto con las principales técnicas y herramientas, para el análisis de sentimientos basados en textos.
• Saber cuándo aplicar las diferentes aproximaciones al análisis de sentimientos y las principales diferencias entre ellas.
• Comprender las principales características de las técnicas supervisadas y no supervisadas para el análisis de sentimientos basados en textos.

• Contenidos

Los contenidos trabajados en el curso abarcan las siguientes temáticas:

Módulo 1: Cómo interpretar y analizar automáticamente la información textual 

Módulo 2: Extracción de sentimientos y opiniones 

Módulo 3: Evaluación de la calidad de los sistemas de reconocimiento de sentimientos 

Módulo 4: Deep Learning aplicado al procesamiento de lenguaje natural

Módulo 5: Deep Learning aplicado al análisis de sentimientos y opiniones 

Módulo 6: Nuevas tendéncias

• Consulta de los recursos de aprendizaje de los que dispone la asignatura

• Informaciones sobre la evaluación en la UOC

La Normativa académica de la UOC dispone que el proceso de evaluación se fundamenta en el trabajo personal del estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios realizados.

La falta de originalidad en la autoría o el mal uso de las condiciones en las que se hace la evaluación de la asignatura es una infracción que puede tener consecuencias académicas graves.

El estudiante será calificado con un suspenso (D/0) si se detecta falta de originalidad en la autoría de alguna actividad evaluable (práctica, prueba de evaluación continua (PEC) o final (PEF), o la que se defina en el plan docente), ya sea porque ha utilizado material o dispositivos no autorizados, ya sea porque ha copiado de forma textual de internet, o ha copiado de apuntes, de materiales, manuales o artículos (sin la citación correspondiente) o de otro estudiante, o por cualquier otra conducta irregular.

La calificación de suspenso (D/0) en la evaluación continua (EC) puede conllevar la obligación de hacer el examen presencial para superar la asignatura (si hay examen y si superarlo es suficiente para superar la asignatura según indique este plan docente).

Cuando esta mala conducta se produzca durante la realización de las pruebas de evaluación finales presenciales, el estudiante puede ser expulsado del aula, y el examinador hará constar todos los elementos y la información relativos al caso.

Además, esta conducta puede dar lugar a la incoación de un procedimiento disciplinario y la aplicación, si procede, de la sanción que corresponda.

La UOC habilitará los mecanismos que considere oportunos para velar por la calidad de sus titulaciones y garantizar la excelencia y la calidad de su modelo educativo.

• Consulta del modelo de evaluación