CES Felipe II - Web oficial  Ingeniería Técnica en Informática de Sistemas 
    Bienvenido/a       
Secciones

· Ficha de la Asignatura

· Listado de Asignaturas



Sistemas Computacionales en Arquitecturas de Inteligencia     
Titulación: Ingeniería Técnica en Informática de Sistemas Plan: 98 Curso académico: 2014-2015
Asignatura: Sistemas Computacionales en Arquitecturas de Inteligencia Código: - Tipo: Seminario Primer Cuatrimestre
Créditos BOE: 4.5
Créditos ECTS: Por determinar
Horas/semana primer cuatrimestre: 3 en laboratorio
Profesor coordinador: Alberto Herrán González

Objetivos:
Conocer el funcionamiento de un sistema de inteligencia, su estructura y el papel que desempeña la tecnología en la captación, clasificación y procesamiento masivo de información proveniente de diversas fuentes. Introducir las principales técnicas de recuperación de información y tratamiento de la misma (Minería de Textos) para aplicaciones basadas en Procesamiento del Lenguaje Natural (NLP), entre las que se encuentra la Extracción de Entidades Nombradas en Textos (NER).
Conocimientos y destrezas que se requieren:
  • Capacidad de comprensión de documentación técnica (nivel elemental)
  • Capacidad de aprendizaje autónomo (nivel medio)
  • Capacidad de obtención autónoma de información (nivel medio)
Idioma en que se imparte la asignatura: Español
Contenidos:

TEMA 1: Introducción a Python
1.1 Introducción
1.2 Programación orientada a objetos
1.3 Programación funcional
1.4 Interacción con el exterior

TEMA 2: Utilización de módulos Python
2.1 Módulos y paquetes
2.2 Módulo re
2.3 Módulos Web
2.4 Paquete NLTK

TEMA 3: Recuperación de Información
3.1 Introducción
3.2 Arquitectura de un sistema IR
3.3 Modelos de IR
3.4 Evaluación de un sistema IR

TEMA 4: Extracción de Entidades
4.1 Introducción
4.2 Técnicas de Extracción de Entidades
4.3 Modelos Ocultos de Markov
4.4 Aplicación de los HMM al NER

TEMA 5: Métodos de aprendizaje
5.1 Introducción
5.2 Técnicas de suavizado
5.3 Aplicación al HMM-NER

Conocimientos y destrezas que se adquieren:
  • Herramientas de recuperación de información.
  • Tratamiento de información: Text Mining
  • Procesamiento del Lenguaje Natural: Técnicas NER
Método docente:
Cada sesión se compone de dos partes:
· Explicación teórico-práctica
· Explicación/realización de práctica correspondiente

Exámenes:
  • Examen Final en febrero
  • Examen Final en septiembre

Método de evaluación:
Entrega individual de prácticas (70%)
Prueba con iTest (30%)
Entrega de trabajos voluntarios, mejoras en las prácticas, etc... (+10%)

Bibliografía:
    1.- Christopher Manning, Prabhakar Raghavan, Hinrich Schütze. "Introduction to Information Retrieval", Cambridge University Press, 2008.
    2.- Ronen Feldman, James Sanger. "The text mining handbook : Advanced approaches in analyzing unstructured data", Cambridge University Press, 2007.
    3.- Mark Pilgrim. "Dive into Python", Apress, 2004.



[Volver]

 
Sugerencias, comentarios, errores ...
Escribe al Webmaster: webmaster seguido de @ y ajz.ucm.es