Aprendizaje Automático y PLN
Impartido por:
Lo que aprenderás en este curso:
- Aplicaciones y retos del NLP.
- Concepto de embedding y su importancia.
- NLP utilizando redes neuronales (recurrentes/convolucionales…).
- Transfer Learning.
- Uso de Embeddings preentrenados como MUSE o BERT.
Requisitos del curso
Este curso puede seguirse sin nociones básicas de PLN aunque sería conveniente tener algunas ideas sobre el tema. Es recomendable estar familiarizado/a con las bases de programación en Python.
Valoraciones de estudiantes:
Contenido del curso:
-
- 2m
-
Conceptos básicos7m
-
Aplicaciones de ML en PLN9m
-
Datos e información: Embedding14m
-
Práctica de clasificación de datos10m
-
Asignación latente de Dirichlet7m
-
Test de Autoevaluación
-
-
Redes neuronales recurrentes21m
-
Redes neuronales convolucionales10m
-
Mecanismos de atención11m
-
Test de Autoevaluación
-
-
-
¿Qué es el Transfer Learning?8m
-
¿Cómo adoptar un modelo a una tarea?8m
-
Modelos multilingüe: MUSE y BERT6m
-
Herramientas de NLP preentrenadas. Ejemplo: KeyBERT15m
-
Práctica con datos reales15m
-
Test de Autoevaluación
-
-
-
Conclusiones y próximos pasos1m
-
Te dejamos una selección de cursos, carreras y artículos
Introducción al PLN
Esta formación se diseñó para proporcionar una comprensión sólida de los fundamentos del Procesamiento de Lenguaje Natural (NLP, por sus siglas en inglés). Aprenderás acerca …
Deep Learning con TensorFlow y Keras: Una guía práctica
Esta formación está diseñada para presentar y profundizar en las herramientas TensorFlow y Keras, introduciendo el área del aprendizaje profundo con redes neuronales (Deep Learning) …
Dudas frecuentes
¿Cuándo comienza la formación?
En OpenWebinars las formaciones no tienen fecha de inicio y de final.
Cada curso tiene una fecha de publicación y desde ese día estarán 100% disponible todos los contenidos del curso para los usuarios suscritos a alguno de nuestros planes.
¿Puedo obtener un diploma que acredite mis conocimientos?
Efectivamente, una vez superada cada formación, podrás descargarte el diploma acreditativo de cada una de ellas. Añádelas a tu CV y mejora tu perfil para las empresas.
También podrás obtener un diploma de nivel superior al superar todas las formaciones de la lista.
¿Cuál es el precio?
En OpenWebinars no vendemos formaciones.
Tenemos diferentes tipos de suscripciones, que te dará acceso completo a todas las formaciones de la plataforma y a las nuevas que vamos lanzando, siempre y cuando tu suscripción esté activa (como Spotify con la música o Netflix con las películas y series).
¿Eres una empresa? Tenemos planes especiales para ti. Consúltanos aquí.
Descubre el poder de asociar el Aprendizaje Automático y el Procesamiento del Lenguaje Natural gracias a esta formación, pensada para aprender de una forma teórica y práctica. Aprenderás a aplicar técnicas avanzadas de Aprendizaje Automático para resolver complejos desafíos de Procesamiento del Lenguaje Natural, lo que te preparará en uno de los campos más innovadores de la tecnología.
El curso comienza con una introducción a los fundamentos del PLN y el Aprendizaje Automático, para sentar una sólida base sobre la que seguir avanzando. Exploraremos cómo el PLN utiliza redes neuronales, tanto recurrentes como convolucionales, para mejorar la interpretación del lenguaje, y te adentrarás en el impactante mundo del Transfer Learning, aprendiendo a adaptar modelos preentrenados, como MUSE y BERT, para tareas específicas.
Gracias a los ejercicios prácticos propuestos, podrás aplicar directamente lo aprendido previamente en la clasificación de textos y el uso de herramientas preentrenadas en PLN, como KeyBERT. Además, aprenderás cómo estos modelos pueden ser utilizados para analizar y entender mejor los datos de texto, lo que te ayudará a comprender cómo las técnicas modernas de PLN están transformando la industria.
Al finalizar este curso habrás aprendido de forma teórica, además de prácticas, a implementar soluciones de PLN eficaces. Estarás preparado para superar los retos actuales del procesamiento de lenguaje natural con una perspectiva de aprendizaje automático, desde mejorar los sistemas de respuesta automática hasta desarrollar análisis avanzados de sentimientos y mucho más.