Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Como en cualquier curso de fundamentos, Introducción al procesamiento del lenguaje natural en R está diseñado para darte las herramientas necesarias para empezar a analizar texto. El procesamiento del lenguaje natural (NLP) es un campo en constante crecimiento dentro de la ciencia de datos, con avances muy interesantes en la última década. En este curso cubriremos los conceptos básicos y te prepararemos para ampliar tus capacidades de análisis. Veremos expresiones regulares, modelado de temas, reconocimiento de entidades con nombre y otros, todo con ejemplos detallados que puedes usar para poner en marcha tus futuros análisis.
Requisitos previos
Programa de formación
Contenido del curso
1
Fundamentos esenciales
El capítulo 1 de Introducción al procesamiento del lenguaje natural te prepara para ejecutar tu primer análisis de texto. Explorarás las expresiones regulares y la tokenización, dos de los componentes más comunes en la mayoría de tareas de análisis. Con las expresiones regulares puedes buscar cualquier patrón que se te ocurra, y con la tokenización puedes preparar y limpiar texto para análisis más sofisticados. Este capítulo es necesario para abordar las técnicas que aprenderemos en los capítulos restantes del curso.
- Conceptos básicos de las expresiones regulares50 XP
- Practica de sintaxis con grep100 XP
- Explorando funciones de expresiones regulares.100 XP
- Tokenización50 XP
- Funciones de tidytext50 XP
- Tokenización: oraciones100 XP
- Conceptos básicos de limpieza de texto50 XP
- Preprocesamiento de texto: eliminar stop words100 XP
- Preprocesamiento de texto: stemming100 XP
2
Representaciones del texto
En este capítulo aprenderás las formas más comunes y estudiadas de analizar texto. Verás cómo crear un corpus de texto, ampliar una representación de bolsa de palabras hasta una matriz TFIDF y usar métricas de similitud del coseno para determinar cuán similares son dos fragmentos de texto entre sí. Sobre esta base reforzarás tu práctica de NLP antes de entrar en sus aplicaciones en los capítulos 3 y 4.
3
Aplicaciones: clasificación y modelado de temas
El capítulo 3 se centra en dos enfoques habituales de análisis de texto: el modelado de clasificación y el modelado de temas. Si trabajas en proyectos de análisis de texto, inevitablemente usarás uno o ambos métodos. Este capítulo te enseña a realizar ambas técnicas y ofrece ideas sobre cómo abordarlas desde un punto de vista práctico.
4
Técnicas avanzadas
En el capítulo 4 cubrimos dos pilares del procesamiento del lenguaje natural: el análisis de sentimiento y las incrustaciones de palabras. Son dos técnicas imprescindibles para quien aprende los fundamentos del análisis de texto. Además, verás brevemente BERT, el etiquetado gramatical (part-of-speech) y el reconocimiento de entidades con nombre. En este curso se han cubierto casi 15 técnicas de análisis diferentes, así que el capítulo 4 termina recapitulando todas las excelentes técnicas que conocerás en este curso.
R
Introducción al procesamiento del lenguaje natural en R
Curso
completado
