>Todos los cursos>Artificial Intelligence

DeepLearning.AI

Especialización en Procesamiento de Lenguaje Natural

hasta 4 meses
Intermedio

La Especialización en Procesamiento de Lenguaje Natural te enseña cómo diseñar aplicaciones de PLN que realicen tareas como análisis de sentimientos, traducción de idiomas, resumen de texto y creación de chatbots. Esta especialización es crítica para analizar grandes cantidades de datos no estructurados y es esencial para el futuro impulsado por la IA.

Análisis de Sentimientos
Traducción Automática
Resumen de Texto
Chatbots
Reconocimiento de Entidades Nombradas

Resumen

En la Especialización en Procesamiento de Lenguaje Natural, aprenderás a usar regresión logística, Naïve Bayes y vectores de palabras para análisis de sentimientos, analogías y traducciones. También explorarás programación dinámica, modelos ocultos de Markov y embeddings de palabras para autocorrección, autocompletado y etiquetado de partes del discurso. Los temas avanzados incluyen redes neuronales densas y recurrentes, LSTMs, GRUs y redes siamesas para análisis de sentimientos, generación de texto, reconocimiento de entidades nombradas e identificación de preguntas. Finalmente, profundizarás en modelos de codificador-decodificador, causales y de autoatención para traducción automática, resumen de texto, respuesta a preguntas y creación de chatbots.

Online
ubicación del curso
Inglés
idioma del curso
Certificación Profesional
al completar el curso
A tu propio ritmo
formato del curso
Clases En vivo
entregado en línea

¿Para quién es este curso?

Científicos de Datos

Profesionales que buscan mejorar sus habilidades en procesamiento de lenguaje natural y aprendizaje automático.

Entusiastas de la IA

Individuos interesados en aprender a construir aplicaciones y modelos de procesamiento de lenguaje natural.

Ingenieros de Software

Ingenieros que buscan integrar capacidades de procesamiento de lenguaje natural en sus aplicaciones y sistemas.

Esta especialización te equipará con las habilidades para construir aplicaciones de PLN para análisis de sentimientos, traducción de idiomas, resumen de texto y chatbots. Es ideal para científicos de datos, entusiastas de la IA e ingenieros de software que buscan avanzar en sus carreras en el futuro impulsado por la IA.

Requisitos Previos

1 / 3

Comprensión básica de conceptos de aprendizaje automático
Familiaridad con la programación en Python
Conocimiento de álgebra lineal y probabilidad

¿Qué aprenderás?

Curso 1: Procesamiento de Lenguaje Natural con Clasificación y Espacios Vectoriales

Realiza análisis de sentimientos de tweets usando regresión logística y Naïve Bayes, usa modelos de espacio vectorial para descubrir relaciones entre palabras y escribe un algoritmo simple de traducción de inglés a francés usando embeddings de palabras precomputados y hashing sensible a la localidad.

Semana 1: Análisis de Sentimientos con Regresión Logística

Aprende a extraer características del texto en vectores numéricos, luego construye un clasificador binario para tweets usando regresión logística.

Semana 2: Análisis de Sentimientos con Naïve Bayes

Comprende la teoría detrás de la regla de Bayes para probabilidades condicionales, luego aplícala para construir tu propio clasificador de tweets con Naïve Bayes.

Semana 3: Modelos de Espacio Vectorial

Aprende a crear vectores de palabras que capturan dependencias entre palabras, luego visualiza sus relaciones en dos dimensiones usando PCA.

Semana 4: Traducción Automática y Búsqueda de Documentos

Aprende a transformar vectores de palabras y asignarlos a subconjuntos usando hashing sensible a la localidad para realizar traducción automática y búsqueda de documentos.

Curso 2: Procesamiento de Lenguaje Natural con Modelos Probabilísticos

Crea un algoritmo simple de autocorrección usando distancia mínima de edición y programación dinámica, aplica el Algoritmo de Viterbi para etiquetado de partes del discurso (POS), escribe un mejor algoritmo de autocompletado usando un modelo de lenguaje N-gram y escribe tu propio modelo Word2Vec usando una red neuronal.

Semana 1: Autocorrección

Aprende sobre autocorrección, distancia mínima de edición y programación dinámica, luego construye tu propio corrector ortográfico para corregir palabras mal escritas.

Semana 2: Etiquetado de Partes del Discurso (POS) y Modelos Ocultos de Markov

Aprende sobre cadenas de Markov y modelos ocultos de Markov, luego úsalos para crear etiquetas de partes del discurso para un corpus de texto del Wall Street Journal.

Semana 3: Autocompletado y Modelos de Lenguaje

Aprende cómo funcionan los modelos de lenguaje N-gram calculando probabilidades de secuencia, luego construye tu propio modelo de lenguaje de autocompletado usando un corpus de texto de Twitter.

Semana 4: Embeddings de Palabras con Redes Neuronales

Aprende cómo los embeddings de palabras llevan el significado semántico de las palabras, haciéndolos más poderosos para tareas de PLN. Luego construye tu propio modelo de bolsa de palabras continua para crear embeddings de palabras a partir de texto de Shakespeare.

Curso 3: Procesamiento de Lenguaje Natural con Modelos de Secuencia

Entrena una red neuronal con embeddings de palabras GLoVe para realizar análisis de sentimientos de tweets, genera texto sintético de Shakespeare usando un modelo de lenguaje de Unidad Recurrente Gated (GRU), entrena una red neuronal recurrente para realizar reconocimiento de entidades nombradas (NER) usando LSTMs con capas lineales y usa modelos LSTM siameses para comparar preguntas en un corpus.

Semana 1: Red Neuronal para Análisis de Sentimientos

Aprende sobre redes neuronales para aprendizaje profundo, luego construye un clasificador de tweets sofisticado que clasifica tweets en categorías de sentimiento positivo o negativo usando una red neuronal profunda.

Semana 2: Redes Neuronales Recurrentes para Modelado de Lenguaje

Aprende sobre las limitaciones de los modelos de lenguaje tradicionales y ve cómo las RNNs y GRUs usan datos secuenciales para la predicción de texto. Luego construye tu propio generador de próxima palabra usando una RNN simple en datos de texto de Shakespeare.

Semana 3: LSTMs y Reconocimiento de Entidades Nombradas (NER)

Aprende cómo las unidades de memoria a largo plazo (LSTMs) resuelven el problema del gradiente que desaparece y cómo los sistemas de Reconocimiento de Entidades Nombradas extraen rápidamente información esencial del texto. Luego construye tu propio sistema de Reconocimiento de Entidades Nombradas usando un LSTM y datos de Kaggle.

Semana 4: Redes Siamesas

Aprende sobre redes siamesas, un tipo especial de red neuronal hecha de dos redes idénticas que eventualmente se fusionan, luego construye tu propia red siamesa que identifica duplicados de preguntas en un conjunto de datos de Quora.

Curso 4: Procesamiento de Lenguaje Natural con Modelos de Atención

Traduce oraciones completas en inglés a alemán usando un modelo de atención de codificador-decodificador, construye un modelo Transformer para resumir texto, usa modelos T5 y BERT para realizar respuesta a preguntas y construye un chatbot usando un modelo Reformer.

Semana 1: Traducción Automática con Modelos de Atención

Descubre algunas de las deficiencias de un modelo seq2seq tradicional y cómo resolverlas añadiendo un mecanismo de atención, luego construye un modelo de Traducción Automática con Atención que traduce oraciones en inglés a alemán.

Semana 2: Resumen de Texto con Modelos Transformer

Compara RNNs y otros modelos secuenciales con la arquitectura más moderna de Transformer, luego crea una herramienta que genere resúmenes de texto.

Semana 3: Respuesta a Preguntas

Explora el aprendizaje por transferencia con modelos de última generación como T5 y BERT, luego construye un modelo que pueda responder preguntas.

Semana 4: Chatbots con Modelos Reformer

Examina algunos desafíos únicos que enfrentan los modelos Transformer y sus soluciones, luego construye un chatbot usando un modelo Reformer.

Conozca a sus instructores

Younes Bensouda Mourri
No hay biografía disponible
Łukasz Kaiser
No hay biografía disponible
Eddy Shyu
No hay biografía disponible

Próximos cohortes

Costo
Libre
Duración
4 meses
Fechas
comienza ahora
Ubicación
Online

Libre