Competencias / Resultados do título |
Código
|
Competencias / Resultados do título
|
Resultados de aprendizaxe |
Resultados de aprendizaxe |
Competencias / Resultados do título |
Coñecer, comprender e analizar a representación formal de diversos fenómenos léxicos, sintácticos e semánticos da linguaxe natural. |
AM1
|
BM1 BM3 BM4 BM6 BM10
|
CM2 CM8
|
Coñecer, comprender e saber usar as tecnoloxías, marcos e librarías para a construción de sistemas de procesamento da linguaxe natural. |
AM1 AM2
|
BM3 BM4 BM6 BM7 BM10
|
CM2 CM3 CM7
|
Deseñar, implementar e saber usar algoritmos e estruturas de datos para tratar e dar soporte aos diversos fenómenos característicos da linguaxe natural. |
AM1 AM2 AM3
|
BM1 BM3 BM4 BM6 BM7 BM10
|
CM2 CM3 CM7 CM8
|
Coñecer, comprender e analizar as técnicas de procesamento da linguaxe natural para o procesado e desambiguación a nivel léxico, sintáctico e semántico. |
AM1 AM2 AM3
|
BM1 BM3 BM4 BM6 BM7 BM10
|
CM2 CM3 CM7 CM8
|
Coñecer e comprender os problemas que presenta a ambigüidade e imprecisión nas fontes de datos en linguaxe natural e técnicas para resolvelos. |
AM1 AM2
|
BM1 BM3 BM4 BM6 BM7 BM10
|
CM2 CM3 CM7 CM8
|
Contidos |
Temas |
Subtemas |
Introdución. |
Niveis de análise.
Ambigüidade e dependencias contextuais. |
Análise léxica. |
Segmentación.
Dicionarios e tesauros.
Técnicas de etiquetaxe morfosintáctica. |
Análise sintáctica. |
Gramáticas alxebraicas.
Gramáticas suavemente sensibles ao contexto.
Gramáticas de dependencias.
Gramáticas probabilísticas. |
Análise semántica. |
Semántica léxica.
Dependencias semánticas.
Grafos semánticos. |
Planificación |
Metodoloxías / probas |
Competencias / Resultados |
Horas lectivas (presenciais e virtuais) |
Horas traballo autónomo |
Horas totais |
Sesión maxistral |
A2 A3 A4 B1 B3 B6 B7 B10 C2 C8 |
21 |
21 |
42 |
Prácticas de laboratorio |
A2 A3 A4 B3 B4 B6 B7 B10 C2 C3 C7 C8 |
14 |
48 |
62 |
Solución de problemas |
A2 A3 A4 B3 B4 B6 B7 B10 C2 |
7 |
25 |
32 |
Proba obxectiva |
A2 A3 A4 B1 B6 B7 C2 |
3 |
9 |
12 |
|
Atención personalizada |
|
2 |
0 |
2 |
|
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado |
Metodoloxías |
Metodoloxías |
Descrición |
Sesión maxistral |
Clases teóricas, nas que se expón o contido de cada tema. O alumno disporá de copias das transparencias con anterioridade e o profesor promoverá unha actitude activa, realizando preguntas que permitan aclarar aspectos concretos e deixando cuestións abertas para a reflexión do alumno. |
Prácticas de laboratorio |
Clases prácticas con uso de computador, que permiten ao alumno familiarizarse desde un punto de vista práctico coas cuestións expostas nas clases teóricas. |
Solución de problemas |
Aprendizaxe baseada en problemas, seminarios, estudo de casos e proxectos. |
Proba obxectiva |
Avaliarase o dominio dos coñecementos teóricos e operativos da materia. |
Atención personalizada |
Metodoloxías
|
Sesión maxistral |
Prácticas de laboratorio |
Solución de problemas |
Proba obxectiva |
|
Descrición |
O desenvolvemento, tanto das clases maxistrais como das de resolución de problemas e os laboratorios de prácticas, realizarase atendendo ao progreso dos alumnos nas capacidades de comprensión e asimilación dos contidos impartidos. O avance xeral da clase compaxinarase cunha atención específica a aqueles alumnos que presenten maiores dificultades na tarefa da aprendizaxe e cun apoio adicional a aqueles que presenten maior desenvoltura e desexen ampliar coñecementos.
No que respecta ás tutorías individuais, dado o seu carácter personalizado, non deben dedicarse a estender os contidos con novos conceptos, senón a aclarar os conceptos xa expostos. O profesor utilizaraas como unha interacción que lle permita extraer conclusións respecto ao grao de asimilación da materia por parte dos alumnos. |
|
Avaliación |
Metodoloxías
|
Competencias / Resultados |
Descrición
|
Cualificación
|
Prácticas de laboratorio |
A2 A3 A4 B3 B4 B6 B7 B10 C2 C3 C7 C8 |
As entregas das prácticas deben realizarse dentro do prazo establecido no campus virtual e deben seguir as especificacións indicadas no enunciado tanto para a súa presentación como o seu defensa. |
50 |
Proba obxectiva |
A2 A3 A4 B1 B6 B7 C2 |
Realización obrigatoria. Avaliarase o dominio dos coñecementos teóricos e operativos da materia. |
50 |
|
Observacións avaliación |
Os alumnos deberán alcanzar polo menos un 40% da máxima nota cada parte (teoría, práctica) e en calquera caso a suma de ambas as partes debe superar un 5 para superar a materia. Se non se cumpre algún dos requisitos anteriores, a nota da convocatoria establecerase de acordo á menor nota obtida.
En caso de non alcanzar o mínimo nalgunha das partes, o alumno terá unha segunda oportunidade na que soamente se lle esixirá a entrega de dita parte.
As entregas das prácticas deben realizarse dentro do prazo establecido no campus virtual e deben seguir as especificacións indicadas no enunciado tanto para a súa presentación como a súa defensa.
Terá a condición de "Presentado" quen entregue todas as prácticas obrigatorias ou concorra á proba obxectiva no período oficial de avaliación.
|
Fontes de información |
Bibliografía básica
|
Manning, C., & Schutze, H. (1999). Foundations of statistical natural language processing. MIT Press
Manning, C., & Schutze, H. (1999). Foundations of statistical natural language processing. MIT Press
Jacob Eisenstein (2019). Introduction to Natural Language Processing. MIT Press
Goldberg, Y. (2017). Neural network methods for natural language processing. Synthesis lectures on human language technologies. Morgan Claypool
Jurafsky, D. & Martin, J. H. (2022). Speech and Language Processing (3rd ed. draft). Disponible en: https://web.stanford.edu/~jurafsky/slp3/ |
|
Bibliografía complementaria
|
Stuart Russell, Peter Norvig (2020). Artificial Intelligence: A Modern Approach, 4th Edition. Pearson
Kübler, S., McDonald, R., & Nivre, J. (2009). Dependency Parsing. Synthesis lectures on human language technologies. Morgan Claypool
Christopher D. Manning, Prabhakar Raghavan, Hinrich Schütze (2008). Introduction to Information Retrieval. Cambridge University Press, Cambridge
Chollet, F. (2018). Keras: The python deep learning library. Astrophysics Source Code Library |
Adicionalmente, manexaranse textos científicos dispoñibles nas bibliotecas dixitais da área, como o ACL Anthology ou ACM. |
Recomendacións |
Materias que se recomenda ter cursado previamente |
|
Materias que se recomenda cursar simultaneamente |
Aprendizaxe Automática I/614544012 |
|
Materias que continúan o temario |
Minería de Textos/614544011 | Modelado da Linguaxe/614544009 | Intelixencia Web e Tecnoloxías Semánticas/614544010 |
|
Observacións |
Segundo se recolle nas distintas normativas de aplicación para a docencia universitaria, esta materia incorpora a perspectiva de xénero. Propiciarase a intervención en clase de alumnos e alumnas, e traballarase para identificar e modificar prexuízos e actitudes sexistas e influirase na contorna para modificalos e fomentar valores de respecto e igualdade. Deberanse detectar situacións de discriminación por razón de xénero e proporanse accións e medidas para corrixilas. |
|