Programa especializado: Procesamiento de lenguaje natural
Programa especializado: Procesamiento de lenguaje natural

Curso online
Horario: martes de 18.30 a 21.30
Comienzo: martes 15 de septiembre
Es un curso de 4 meses

ARANCEL: matrícula $4.000 y cuatro cuotas de $4.000
Para comenzar, deben estar pagas la matrícula y las cuotas 1 y 2
En octubre se abona la cuota 3

Programa especializado: Procesamiento de lenguaje natural


QUÉ APRENDERÁS

- A usar regresión logística, naïve Bayes y vectores de palabras para implementar análisis de sentimiento, analogías completas y traducción de palabras

- A usar programación dinámica, hidden Markov models y word embeddings para implementar autocorrección, autocompletar e identificar partes del discurso.

- A usar Redes Neuronales Recurrentes RNNs,LSTMs, GRUs & Siamese network en TensorFlow para implemantar análisis de sentimientos, generación de texto y reconocimiento de entidades nombradas.

- A usar encoder-decoder, causal, & self-attention para traducir oraciones completas, resumir textos, construir chatbots y responder preguntas.

HABILIDADES QUE OBTENDRÁS

Sentiment Analysis
Siamese Networks
Hidden Markov Model
Transformers
Attention Models
Machine Translation
Word Embeddings
Locality-Sensitive Hashing
Vector Space Models
Word2vec
Parts-of-Speech Tagging
N-gram Language Models


El Procesamiento de Lenguaje Natural (NLP) usa algoritmos para entender y manipular el lenguaje humano.
Esta tecnología es una de las más ampliamente aplicadas en machine Learning.
La IA se sigue expandiendo, por lo que demandará profesionales con habilidades en construir modelos que analicen discurso y lenguaje, descubran patrones conceptuales y extraigan conceptos de textos y audios.

Al finalizar esta especialización estarás preparado para diseñar aplicaciones NLP que realicen preguntas y respuestas y análisis de sentimientos, para crear herramientas para traducir y resumir textos y para construir chatbots.

Estas y otras aplicaciones NLP ocuparán los primeros planos en la transformación que se viene en un futuro potenciado por la IA.

Esta especialización está diseñada y es dictada por dos expertos en NLP, machine learning y deep learning.

Younes Bensouda Mourri es instructor de IA en Stanford University. También ayudó a construir la Especialización en Deep Learning.

Łukasz Kaiser es investigador en Google Brain y coautor de Tensorflow, Tensor2Tensor, Trax libraries, y el Transformer paper.


Proyecto de aprendizaje aplicado

Esta especialización te equipará con las técnicas del estado del arte en deep learning necesarias para construir sistemas NLP de punta.


Hay 4 cursos en este Programa Especializado


Para hacer estos cursos debes sentirte cómodo programando en Python y tener conocimientos básicos de machine learning, álgebra lineal y probabilidad condicional.


CURSO 1 - Natural Language Processing with Classification and Vector Spaces

a) Análisis de sentimientos en tweets usando logistic regression y naïve Bayes.
b) Usar vector space models para descubrir reñaciones entre palabras y usar PCA para reducir la dimensionalidad y visualizar esas relaciones.
c) Escribir un algoritmo simple para traducir del inglés al francés usando word embeddings y locality sensitive hashing para relacionar palabras con k-nearest neighbour.

CURSO 2 - Natural Language Processing with Probabilistic Models

a) Crear un algoritmo de autocorrección simple usando minimum edit distance y dynamic programming.
b) Aplicar el algoritmo Viterbi para taggeos part-of-speech (POS)
c) Escribir un mejor algoritmo para autocompletar usando N-gram language model.
d) Escribir tu propio modelo Word2Vec que usa redes neuronales para computar word embeddings usando el modelo bag-of-words.

CURSO 3 - Natural Language Processing with Sequence Models

a) Entrenar una red neuronal con GLoVe word embeddings para hacer análisis de sentimientos en tweets.
b) Generar texto "a lo Shakespeare" usando un modelos de lenguaje Gated Recurrent Unit (GRU).
c) Entrenar una red neuronal para hacer named entity recognition (NER) usasndo LSTMs.
d) Usar modelos ‘Siamese’ LSTM para comparar preguntas en un corpus e identificar aquellas que usando diferentes palabras significan lo mismo.

Para hacer este curso debes haber completado el curso 2 y estar familiarizado con los fundamentos de TensorFlow.

Como preparación adicional, podés repasar el curso 1 Neural Networks and Deep Learning de la Deep Learning Specialization.


CURSO 4 - Natural Language Processing with Attention Models

a) Traducir oraciones completas del inglés al francés
b) Construir un modelo de Transformer para resumir texto
c) Usar modelos T5 y BERT models para hacer preguntas y respuestas
d) Construir un chatbot usando un modelo Reformer.

Para hacer este curso debes haber completado el curso 3
Email address *
Apellido *
Nombres *
Celular (Solo números) *
¿Es Graduado FIUBA? *
Localidad de residencia *
¿Te interesa participar en la cooperativa de trabajo?
Clear selection
Otra casilla de correo
Teléfono Particular
Carrera - Facultad - Universidad (En curso SI/NO)
Año de Graduación
Institución Relacionada
Posición que ocupa
Comentarios y Sugerencias
Submit
Never submit passwords through Google Forms.
This content is neither created nor endorsed by Google. Report Abuse - Terms of Service - Privacy Policy