|
||||||||||||||
Consulta de los datos generales Descripción La asignatura en el conjunto del plan de estudios Conocimientos previos Objetivos y competencias Contenidos Consulta de los recursos de aprendizaje de la UOC para la asignatura Informaciones sobre la evaluación en la UOC Consulta del modelo de evaluación | ||||||||||||||
Este es el plan docente de la asignatura para el primer semestre del curso 2024-2025. Podéis consultar si la asignatura se ofrece este semestre en el espacio del campus Más UOC / La universidad / Planes de estudios). Una vez empiece la docencia, tenéis que consultarlo en el aula. El plan docente puede estar sujeto a cambios. | ||||||||||||||
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. |
||||||||||||||
Esta asignatura pertenece al conjunto de asignaturas optativas del Máster universitario en Ciencia de datos (Data Science). |
||||||||||||||
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. |
||||||||||||||
Los objetivos que se desea que el estudiante alcance mediante esta asignatura son los siguientes:
|
||||||||||||||
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 |
||||||||||||||
|
||||||||||||||
El proceso de evaluación se fundamenta en el trabajo personal de cada estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios realizados. La falta de autenticidad en la autoría o de originalidad de las pruebas de evaluación; la copia o el plagio; el intento fraudulento de obtener un resultado académico mejor; la colaboración, el encubrimiento o el favorecimiento de la copia, o la utilización de material o dispositivos no autorizados durante la evaluación, entre otras, son conductas irregulares que pueden tener consecuencias académicas y disciplinarias graves. Por un lado, si se detecta alguna de estas conductas irregulares, puede comportar el suspenso (D/0) en las actividades evaluables que se definan en el plan docente - incluidas las pruebas finales - o en la calificación final de la asignatura, ya sea porque se han utilizado materiales o dispositivos no autorizados durante las pruebas, como redes sociales o buscadores de información en internet, porque se han copiado fragmentos de texto de una fuente externa (internet, apuntes, libros, artículos, trabajos o pruebas del resto de estudiantes, etc.) sin la correspondiente citación, o porque se ha practicado cualquier otra conducta irregular. Por el otro, y de acuerdo con las normativas académicas, las conductas irregulares en la evaluación, además de comportar el suspenso de la asignatura, pueden dar lugar a la incoación de un procedimiento disciplinario y a la aplicación, si procede, de la sanción que corresponda. La UOC se reserva la potestad de solicitar al estudiante que se identifique o que acredite la autoría de su trabajo a lo largo de todo el proceso de evaluación por los medios que establezca la universidad (síncronos o asíncronos). A estos efectos, la UOC puede exigir al estudiante el uso de un micrófono, una cámara u otras herramientas durante la evaluación y que este se asegure de que funcionan correctamente. La verificación de los conocimientos para garantizar la autoría de la prueba no implicará en ningún caso una segunda evaluación. |
||||||||||||||
|