– Introducción a la minería de textos (PLN)
– Representación de textos
– Modelado del lenguaje
– Clasificación de textos
– Redes neuronales para textos
– Modelado del lenguaje basado en la atención
https://neptun.elte.hu/MobilityCourses?Faculty=&Programme=&AcademicTerm=&Published=&SearchText=text+mining
Al finalizar el curso, el alumno será capaz de comprender cómo funcionan las tecnologías actuales de análisis y modelización de datos, y de aplicarlas a situaciones reales, incluidas aquellas que implican grandes volúmenes de datos.
El alumno se familiarizará con las técnicas de almacenamiento, procesamiento y visualización de grandes conjuntos de datos, así como con las características de los distintos ecosistemas de herramientas.
El alumno comprenderá los principales ámbitos de aplicación de la ciencia de datos, los retos asociados, las posibles soluciones y las limitaciones de los métodos y técnicas relacionados.
El alumno será capaz de identificar relaciones entre diferentes tipos de datos, extraer información relevante y resolver problemas mediante la transformación de datos en contextos multidisciplinares.
No se exigen requisitos previos específicos para este curso.
– D. Jurafsky, J. H. Martin. «Speech and Language Processing: An Introduction to Natural Language Processing, Speech Recognition, and Computational Linguistics» (2.ª ed.), Prentice-Hall, 2009.
– C. Manning y H. Schütze, «Foundations of Statistical Natural Language Processing», MIT Press. Cambridge, MA: mayo de 1999.
El curso combinará clases magistrales, demostraciones prácticas, ejercicios prácticos, casos prácticos y aprendizaje basado en proyectos. Las actividades docentes se centrarán en presentar conceptos clave, aplicar técnicas de análisis de datos y modelización a ejemplos de la vida real, y animar a los alumnos a interpretar resultados y resolver problemas utilizando datos. Se podrán incluir actividades individuales y en grupo para fomentar el aprendizaje activo, el debate y la colaboración multidisciplinar.
Expediente académico