Competencias / Resultados del título |
Código
|
Competencias / Resultados del título
|
A28 |
CE28 - Comprensión y dominio de los fundamentos y técnicas para el procesado de datos escritos, tanto en lenguaje formal como en lenguaje natural. |
B2 |
CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio |
B3 |
CB3 - Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética |
B4 |
CB4 - Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado |
B7 |
CG2 - Elaborar adecuadamente y con cierta originalidad composiciones escritas o argumentos motivados, redactar planes, proyectos de trabajo, artículos científicos y formular hipótesis razonables. |
B8 |
CG3 - Ser capaz de mantener y extender planteamientos teóricos fundados para permitir la introducción y explotación de tecnologías nuevas y avanzadas en el campo. |
B9 |
CG4 - Capacidad para abordar con éxito todas las etapas de un proyecto de análisis de datos: exploración previa de los datos, preprocesado, análisis, visualización y comunicación de resultados. |
B10 |
CG5 - Ser capaz de trabajar en equipo, especialmente de carácter multidisciplinar, y ser hábiles en la gestión del tiempo, personas y toma de decisiones. |
C1 |
CT1 - Utilizar las herramientas básicas de las tecnologías de la información y las comunicaciones (TIC) necesarias para el ejercicio de su profesión y para el aprendizaje a lo largo de su vida. |
C4 |
CT4 - Valorar la importancia que tiene la investigación, la innovación y el desarrollo tecnológico en el avance socioeconómico y cultural de la sociedad. |
Resultados de aprendizaje |
Resultados de aprendizaje |
Competencias / Resultados del título |
Conocer, comprender y analizar la representación formal de diversos fenómenos léxicos, sintácticos y semánticos del lenguaje |
A28
|
B3 B4 B7 B8 B10
|
C4
|
Conocer, comprender y saber usar las tecnologías, marcos y librerías para la construcción de sistemas de procesamiento del lenguaje |
A28
|
B2 B3 B4 B7 B8 B9 B10
|
C1 C4
|
Diseñar, implementar y saber usar algoritmos y estructuras de datos para tratar y dar soporte a los diversos fenómenos característicos del lenguaje |
A28
|
B2 B3 B4 B7 B8 B9 B10
|
C1 C4
|
Contenidos |
Tema |
Subtema |
Tema I. Fundamentos de lenguaje estructurado |
1.1. Conceptos básicos: Gramáticas y lenguajes
1.2. Fases y componentes de un procesador del lenguaje
1.3. Entornos de aplicación de la Teoría de Lenguajes |
Tema II. Análisis léxico |
2.1. Autómatas finitos, expresiones regulares y gramáticas regulares
2.2. Conversión entre diferentes representaciones
2.3. Implementación de autómatas y expresiones regulares
|
Tema III. Análisis sintáctico |
3.1. Lenguajes de contexto libre y Gramáticas independientes del contexto
3.2. Reconocedores descendentes recursivos y LL(k)
3.3. Reconocedores LR(k)
|
Tema IV. Análisis semántico y diseño de acciones semánticas |
4.1. Control de atributos
4.2. Manejo de errores
4.3. Generación dirigida por la sintaxis |
Tema V. Introducción al procesamiento del lenguaje natural |
5.1. Niveles de análisis
5.2. Ambigüedad |
Tema VI. Modelado del lenguaje |
6.1. Modelos del lenguaje basados en n-gramas
6.2. Evaluación de modelos del lenguaje
6.3. Técnicas de suavizado
6.4. Modelos del lenguaje basados en redes neuronales |
Tema VII. Análisis morfológico del lenguaje natural |
7.1. Fundamentos de análisis morfológico
7.2. Análisis morfológico estadístico
7.3. Análisis morfológico con redes neuronales |
Tema VIII. Fundamentos de análisis sintáctico del lenguaje natural |
8.1. Fundamentos de análisis sintáctico de constituyentes
8.2 Fundamentos de análisis sintáctico de dependencias |
Planificación |
Metodologías / pruebas |
Competencias / Resultados |
Horas lectivas (presenciales y virtuales) |
Horas trabajo autónomo |
Horas totales |
Sesión magistral |
A28 B4 B8 B9 C4 |
21 |
27.3 |
48.3 |
Prueba objetiva |
A28 B2 B3 B7 B9 |
3 |
18 |
21 |
Prácticas de laboratorio |
A28 B2 B3 B4 B7 B8 B9 B10 C1 |
21 |
35.7 |
56.7 |
|
Atención personalizada |
|
24 |
0 |
24 |
|
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías |
Metodologías |
Descripción |
Sesión magistral |
En las clases de teoría, los profesores desarrollarán los contenidos teóricos y algunos ejercicios complementarios |
Prueba objetiva |
Prueba en la que se evaluarán los conocimientos adquiridos |
Prácticas de laboratorio |
Permiten al alumno aprender de forma eficaz a través de actividades de carácter aplicado, en este caso mediante la realización de proyectos en forma de prácticas. En su enunciado se detallará si es necesaria la entrega y su formato. |
Atención personalizada |
Metodologías
|
Prácticas de laboratorio |
Sesión magistral |
|
Descripción |
El desarrollo de las clases se realizará de acuerdo con el progreso de los estudiantes en las capacidades de comprensión y asimilación de los contenidos enseñados, combinando el progreso general de la clase con una atención específica a los estudiantes que presentan grandes dificultades en la tarea de aprendizaje y con un apoyo adicional a aquellos que presentan mayor facilidad y quieren ampliar conocimientos.
Dado el carácter personalizado de las tutorías, estas no deben dedicarse a ampliar el contenido con nuevos conceptos, sino a aclarar los conceptos ya comentados. El profesor también debe utilizarlos como una interacción que le permita sacar conclusiones sobre el grado de asimilación de la asignatura por parte de los alumnos. |
|
Evaluación |
Metodologías
|
Competencias / Resultados |
Descripción
|
Calificación
|
Prácticas de laboratorio |
A28 B2 B3 B4 B7 B8 B9 B10 C1 |
Realización de ejercicios de diverso tipo, asociados en buena parte a los contenidos de las clases magistrales y bajo las condiciones establecidas en el enunciado de cada práctica. |
40 |
Prueba objetiva |
A28 B2 B3 B7 B9 |
Se realizará un examen al final del cuatrimestre y su correspondiente segunda oportunidad. Este examen se centrará principalmente en los aspectos teoricos y ejercicios asociados. Sin embargo, podrá preguntarse alguna cuestión relacionada con las prácticas de laboratorio realizadas. |
60 |
|
Observaciones evaluación |
El examen computa un 60% de la nota y el 40% restante se reparte entre las prácticas y cualquier otra actividad evaluable realizada a lo largo del curso. Será necesario conseguir un mínimo de 3 (sobre 6 puntos, en el examen) y un 2 (sobre 4 puntos, en el conjunto de las prácticas y demás actividades). En caso de no conseguir alguno de los mínimos, la máxima nota que se podrá obtener es un 4.5.
Si las prácticas u otras actividades se llevan a cabo en grupos, todos los miembros del grupo serán responsables solidariamente por el trabajo realizado y entregado así como sus posibles implicaciones. En la segunda oportunidad se mantendrán los resultados obtenidos en cada sección (examen y prácticas) de la primera oportunidad.
En el caso de estudiantes a tiempo parcial, la falta de asistencia justificada a las clases de prácticas y TGR no será penalizada.
El estudiante que no concurra a la prueba objetiva
en el período oficial de evaluación tendrá la condición de “No presentado” (NP). Todos los aspectos relacionados con “dispensa académica”, “dedicación al estudio”, “permanencia” y “fraude académico” se regirán de acuerdo con la normativa académica vigente de la UDC.
|
Fuentes de información |
Básica
|
Aho, A.V.; Lam, M.; Sethi, R.; Ullman, J.D. (2008). Compiladores: Principios, técnicas y herramientas. Addison-Wesley
Garrido, A.; Iñesta, J.M.; Moreno, F.; Pérez, J.A. (2004). Diseño de compiladores. Publicaciones de la Universidad de Alicante
Christopher D. Manning; Hinrich Schütze (1999). Foundations of Statistical Natural Language Processing. MIT Press (ISBN 78-0262133609)
Hopcroff, J.E.; Motwani, R.; Ullman, J. D. (2002). Introducción a la teoría de autómatas, lenguajes y computación. Addison-Wesley
Daniel Jurafsky; James H. Martin (2024). Speech and Language Processing, Draft 3rd Edition. https://web.stanford.edu/~jurafsky/slp3/ |
|
Complementária
|
Louden, D.K. (2004). Construcción decompiladores. Principios y Práctica. Paraninfo Thomson Learning
Sudkamp, T.A. (1994). Languages and machines. Addison-Wesley
Lewis Tunstall, Leandro von Werra, and Thomas Wolf (2022). Natural Language Processing with Transformers. O'Reilly Media (ISBN 9781098103248)
Yue Zhang and Zhiyang Teng (2021). Natural Language Processing: A Machine Learning Perspective. Cambridge University Press (ISBN 9781108420211)
Yoav Goldberg (2017). Neural Network Methods for Natural Language Processing. Morgan & Claypool Publishers (ISBN 978-1627052986)
Aho, A.V.; Ullman, J.D. (1972). The theory of parsing, translation and compiling. Prentice-Hall |
|
Recomendaciones |
Asignaturas que se recomienda haber cursado previamente |
Álgebra Lineal/614G02001 | Fundamentos de Programación II/614G02009 | Fundamentos de Programación I/614G02004 | Inferencia Estadística/614G02007 | Probabilidad y Estadística Básica/614G02003 |
|
Asignaturas que se recomienda cursar simultáneamente |
|
Asignaturas que continúan el temario |
Lenguaje Natural y Minería de Textos/614G02043 |
|
|