Anàlisi de sentiments i textos Codi:  M2.977    :  6
Consulta de les dades generals   Descripció   L'assignatura en el conjunt del pla d'estudis   Coneixements previs   Objectius i competències   Continguts   Consulta dels recursos d'aprenentatge de la UOC per a l'assignatura   Informacions sobre l'avaluació a la UOC   Consulta del model d'avaluació  
Aquest és el pla docent de l'assignatura per al segon semestre del curs 2023-2024. Podeu consultar si l'assignatura s'ofereix aquest semestre a l'espai del campus Més UOC / La universitat / Plans d'estudis). Un cop comenci la docència, heu de consultar-lo a l'aula. El pla docent pot estar subjecte a canvis.

Les dades en format de text (format no estructurat) són un dels grans recursos que tenim a disposició però que, per la seva naturalesa, són extremadament complexos d'analitzar i d'extreure automàticament la informació i coneixement que contenen.

En aquesta assignatura veurem les bases del processament del llenguatge natural o, concretament, de la comprensió del llenguatge natural (Natural Language Understanding). Aquesta base teòrica ens permet endinsar-nos en l'anàlisi de sentiments (sentiment analysis), que constitueix un important camp de recerca en l'actualitat.

Concretament, veurem com interpretar i analitzar automàticament la informació textual, com extreure sentiments i opinions de textos i com avaluar la qualitat dels sistemes de reconeixement de sentiments. Ho farem mitjançant tècniques clàssiques de linguística computacional, així com també aplicant alguns dels principals mètodes d'aprenentatge automàtic (machine learning) i d'aprenentatge profund (deep learning) per a tasques de reconeixement de textos i anàlisis de sentiments.

Amunt

Aquesta assignatura pertany al conjunt d'assignatures optatives del Màster universitari en Ciència de dades (Data Science).

Amunt

El curs requereix que els estudiants tinguin coneixements de programació (preferiblement en llenguatge Python), així com coneixements avançats d'aprenentatge automàtic (machine learning).

Es recomana haver cursat l'assignatura "Models avançats de mineria de dades" abans de cursar aquesta assignatura, ja que s'utilitzen conceptes explicats en aquesta assignatura.

A més, com la metodologia inclou estudis de casos i la recerca autònoma d'informació, és aconsellable que l'estudiant estigui familiaritzat amb la cerca de fonts d'informació, l'anàlisi de la informació quantitativa i qualitativa, la capacitat de sintetitzar i obtenir conclusions així com de posseir certes habilitats de comunicació escrita.

Així mateix també és necessari que els estudiants tinguin la capacitat de llegir i comprendre l'idioma anglès ja que una part dels materials addicionals i altres recursos, estan en aquest idioma.

Amunt

Els objectius que es desitja que l'estudiant assoleixi mitjançant aquesta assignatura són els següents:

  • Conèixer les principals tècniques i eines per al processament i comprensió del llenguatge natural.
  • Saber aplicar les tècniques i eines per a les principals tasques de comprensió del llenguatge natural, incloent la identificació automàtica de temes i idiomes i l'extracció de paraules clau.
  • Conèixer el procés, juntament amb les principals tècniques i eines, per a l'anàlisi de sentiments basats en textos.
  • Saber quan aplicar les diferents aproximacions a l'anàlisi de sentiments i les principals diferències entre elles.
  • Comprendre les principals característiques de les tècniques supervisades i no supervisades per a l'anàlisi de sentiments basats en textos.

Amunt

Els continguts treballats en el curs abasten les següents temàtiques:

Mòdul 1: Com interpretar i analitzar automàticament la informació textual 

Mòdul 2: Extracció de sentiments i opinions 

Mòdul 3: Avaluació de la qualitat dels sistemes de reconeixement de sentiments 

Mòdul 4: Deep Learning aplicat al processament de llenguatge natural

Mòdul 5: Deep Learning aplicat a l'anàlisi de sentiments i opinions 

Mòdul 6: Noves tendéncias

Amunt

Espai de recursos de ciència de dades Web
Deep learning per a l'anàlisi de sentiments PDF
Mòdul 4-Implementació de deep learning aplicat al processament del llenguatge natural PDF
Mòdul 4-Introducció al deep learning aplicat al processament del llenguatge natural PDF
Named Entity Linking (Screencast) Audiovisual
Named Entity Recognition (Screencast) Audiovisual

Amunt

El procés d'avaluació es fonamenta en el treball personal de l'estudiant i pressuposa l'autenticitat de l'autoria i l'originalitat dels exercicis realitzats.

La manca d'autenticitat en l'autoria o d'originalitat de les proves d'avaluació; la còpia o el plagi; l'intent fraudulent d'obtenir un resultat acadèmic millor; la col·laboració, l'encobriment o l'afavoriment de la còpia, o la utilització de material o dispositius no autoritzats durant l'avaluació, entre d'altres, són conductes irregulars que poden tenir conseqüències acadèmiques i disciplinàries greus.

D'una banda, si es detecta alguna d'aquestes conductes irregulars, pot comportar el suspens (D/0) en les activitats avaluables que es defineixin en el pla docent - incloses les proves finals - o en la qualificació final de l'assignatura, sigui perquè s'han utilitzat materials o dispositius no autoritzats durant les proves, com ara xarxes socials o cercadors d'informació a internet, perquè s'han copiat fragments de text d'una font externa (internet, apunts, llibres, articles, treballs o proves d'altres estudiants, etc.) sense la citació corresponent, o perquè s'ha practicat qualsevol altra conducta irregular.

De l'altra, i d'acord amb les normatives acadèmiques, les conductes irregulars en l'avaluació, a més de comportar el suspens de l'assignatura, poden donar lloc a la incoació d'un procediment disciplinari i a l'aplicació, si escau, de la sanció que correspongui.

La UOC es reserva la potestat de sol·licitar a l'estudiant que s'identifiqui o que acrediti l'autoria del seu treball al llarg de tot el procés d'avaluació pels mitjans que estableixi la Universitat (síncrons o asíncrons). A aquests efectes, la UOC pot exigir a l'estudiant l'ús d'un micròfon, una càmera o altres eines durant l'avaluació i que s'asseguri que funcionen correctament.

La verificació dels coneixements per garantir l'autoria de la prova no implicarà en cap cas una segona avaluació.

Amunt

L'assignatura només es pot aprovar amb el seguiment i la superació de l'avaluació contínua (AC). La qualificació final de l'assignatura és la nota obtinguda a l'AC.

 

Amunt