Resumen
Usa Python y Google CoLab para la minería de medios sociales, análisis de texto y procesamiento del lenguaje natural (PLN)
Programa de estudio
-
- Introducción al Análisis de Textos y NLP
-- Visión general del Procesamiento del Lenguaje Natural
-- Importancia del Análisis de Textos en Aplicaciones Modernas
-- Python para NLP: Una Visión General
- Configuración del Entorno de Python
-- Instalación de Python e IDEs
-- Uso de Jupyter Notebooks
-- Bibliotecas Clave: NLTK, spaCy, scikit-learn
- Técnicas Básicas de Procesamiento de Textos
-- Tokenización
-- Eliminación de Stopwords
-- Expresiones Regulares
- Preprocesamiento de Texto
-- Normalización de Mayúsculas y Minúsculas
-- Stemming y Lematización
-- Manejo de Puntuación, Números y Símbolos
- Extracción de Características
-- Modelo de Bolsa de Palabras
-- Frecuencia de Términos-Inversa Frecuencia de Documentos (TF-IDF)
-- Vectores de Palabras: Word2Vec, GloVe
- Análisis de Sentimientos
-- Introducción al Análisis de Sentimientos
-- Uso de NLTK para Análisis de Sentimientos
-- Construcción de un Clasificador de Sentimientos con scikit-learn
- Clasificación de Textos
-- Comprensión de la Clasificación de Textos
-- Aprendizaje Automático Supervisado para Texto
-- Construcción y Evaluación de Clasificadores
- Temas Avanzados en NLP
-- Reconocimiento de Entidades Nombradas (NER)
-- Modelado de Temas con LDA
-- Introducción a Modelos de Transformadores y BERT
- Análisis de Datos en Redes Sociales
-- Recolección de Datos de APIs de Redes Sociales
-- Análisis de Textos en Contextos de Redes Sociales
-- Estudios de Caso y Aplicaciones
- Proyectos Prácticos y Estudios de Caso
-- Análisis de Sentimientos en Datos de Twitter
-- Construcción de un Chatbot
-- Clasificación de Textos para Artículos de Noticias
- Conclusión y Aprendizaje Adicional
-- Recapitulación de Conceptos Clave
-- Recursos para el Aprendizaje Continuo en NLP
-- Presentación y Retroalimentación del Proyecto Final
Enseñado por
Etiquetas
On-Demand
