Universidad de La Rioja

Análisis computacional e interpretación de datos lingüísticos
GUÍA DOCENTE    Curso 2024-25

Titulación:Máster Universitario en Procesamiento del Lenguaje y Aplicaciones de la Int656M
Asignatura:Análisis computacional e interpretación de datos lingüísticos5286
Materia:Métodos de aprendizaje automático para el procesamiento del lenguaje
Módulo:Procesamiento del lenguaje e inteligencia artificial
Modalidad de enseñanza de la titulación:VirtualCarácter:Obligatoria
Curso:1Créditos ECTS:4,00Duración:Semestral (Primer Semestre)
Horas virtuales sincrónicas:40,00Horas estimadas de trabajo autónomo:60,00
Horas virtuales asincrónicas:0,00 
Idiomas en que se imparte la asignatura:Español
Idiomas del material de lectura o audiovisual:Inglés, Español

Departamentos responsables de la docencia

MATEMÁTICAS Y COMPUTACIÓNR111
Dirección:C/ Madre de Dios, 53Código postal:26006
Localidad:LogroñoProvincia:La Rioja
Teléfono:941299452Fax:941299460Correo electrónico:dpto.dmc@unirioja.es

Profesorado previsto

Profesor:Mata Martínez, GadeaResponsable de la asignatura
Teléfono:941299450Correo electrónico:gadea.mata@unirioja.es
Despacho:D3210 Edificio:CENTRO CIENTÍFICO TECNOLÓGICOTutorías:Consultar

Descripción de los contenidos

-Diseño de experimentos y formulación de hipótesis
-Tipos de variables
-Codificación, organización y procesamiento de datos
-Estadística descriptiva
-Contraste de hipótesis e inferencia estadística
-Interpretación de resultados
-Introducción al aprendizaje estadístico para el procesamiento de lenguaje
-Conceptos de aprendizaje supervisado y no supervisado
-Prácticas con aplicaciones informáticas

Requisitos previos de conocimientos y competencias para poder cursar con éxito la asignatura

Ninguno especificado.

Competencias

Competencias generales

CG01 - Poseer y comprender conocimientos sobre procesamiento del lenguaje natural y aplicaciones de la inteligencia artificial a la lingüística que aporten una base u oportunidad de ser originales en el desarrollo de soluciones dentro del ámbito de la lingüística computacional
CG02 - Aplicar los conocimientos adquiridos a la resolución de problemas en entornos nuevos o poco conocidos relacionados con las áreas de estudio de lingüística computacional, procesamiento del lenguaje natural y aplicaciones de la inteligencia artificial a la lingüística
CG03 - Integrar conocimientos y formular juicios a partir de una información que incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de la lingüística computacional, el procesamiento del lenguaje natural y aplicaciones de la inteligencia artificial a la lingüística
CG04 - Comunicar las conclusiones sobre lingüística computacional, procesamiento del lenguaje natural y aplicaciones de la inteligencia artificial a la lingüística -y los conocimientos y razones últimas que las sustentan- a públicos especializados y no especializados de un modo claro y sin ambiguëdades
CG05 - Evaluar el progreso del propio aprendizaje de técnicas y recursos de procesamiento del lenguaje natural e inteligencia artificial aplicada a la lingüística

Competencias específicas

CC12 - Utilizar las técnicas básicas de análisis estadístico aplicado al procesamiento del lenguaje natural
CC13 - Comparar los conceptos de aprendizaje supervisado y no supervisado en relación con el procesamiento del lenguaje natural
CE10 - Aplicar métodos experimentales para la extracción y análisis de datos lingu¨ísticos
CE11 - Medir la precisión y exhaustividad de los resultados del análisis de datos lingu¨ísticos obtenidos por computador
CE12 - Interpretar los datos del análisis de textos con lingu¨ística experimental
CE13 - Comparar técnicas para estimar las relaciones entre variables dentro de un experimento lingu¨ístico
CE16 - Analizar el alcance y la precisión de los resultados obtenidos por computador, comparándolos con los logrados por medio de técnicas lingu¨ísticas tradicionales basadas en el análisis manual
HD15 - Interpretar los resultados de los programas de inferencia y aprendizaje utilizados para el procesamiento del lenguaje natural

Resultados del aprendizaje

Los resultados de aprendizaje (Conocimientos o contenidos [CC], competencias [CG y CE] y habilidades o destrezas [HD]) se incluyen en el apartado de competencias hasta que se actualice la aplicación informática del Ministerio de Universidades.

Objetivos de desarrollo sostenible

Objetivos de Desarrollo sostenible4 Educación de calidad.5 Igualdad de género.9 Industria, innovación e infraestructura.12 Producción y consumo responsables.

Temario

Tema 1: Diseño de experimentos y formulación de hipótesis
Tema 2: Tipos de variables
Tema 3: Codificación, organización y procesamiento de datos
Tema 4: Estadística descriptiva
Tema 5: Contraste de hipótesis e inferencia estadística
Tema 6: Interpretación de resultados
Tema 7: Introducción al aprendizaje estadístico para el procesamiento de lenguaje
Tema 8: Conceptos de aprendizaje supervisado y no supervisado
Tema 9: Prácticas con aplicaciones informáticas

Bibliografía

Tipo:Título
BásicaApuntes de la asignatura
BásicaProbabilidad y estadística para ingeniería y ciencias
BásicaEstadística matemática con aplicaciones
ComplementariaPython machine learning
Recursos en Internet
El material didáctico (ejercicios prácticos, cuestiones, actividades ...etc) se encontrará disponible en el aula virtual para todos los alumnos matriculados en esta asignatura.
      https://unirioja.blackboard.com

Metodología

Modalidades organizativas

Clases teóricas
Seminarios y talleres
Clases prácticas
Estudio y trabajo en grupo
Estudio y trabajo autónomo individual

Métodos de enseñanza

Método expositivo - Lección magistral
Estudio de casos
Resolución de ejercicios y problemas
Aprendizaje basado en problemas
Aprendizaje orientado a proyectos
Aprendizaje cooperativo

Organización

Actividades dirigidasTamaño
de grupo
Horas
virtuales
sincrónicas
Horas
virtuales
asincrónicas
Horas
totales
Clases teóricasGrande15,00 15,00
Seminarios y talleresReducido5,00 5,00
Clases prácticasReducido20,00 20,00
Total de horas de actividades dirigidas40,00
Trabajo autónomo del estudianteHoras
Estudio y trabajo autónomo individual60,00
Total de horas de trabajo autónomo60,00
Total de horas100,00

Evaluación

Sistema de evaluaciónRecuperableNo Recup.
Pruebas de ejecución de tareas reales y/o simuladas 30%
Trabajos y proyectos70%
Total100%

Criterios críticos para superar la asignatura

1) Criterio crítico para la parte no recuperable (30% de la calificación): en cada uno de los entregables asociados a esta parte se debe obtener al menos un 4 (sobre 10) en la evaluación. Si no se supera este criterio, se puntuará con un 0 el 30% no recuperable, y se tendrá que obtener, para superar la asignatura, o bien en la convocatoria ordinaria o bien en la extraordinaria, al menos un 5 sobre 7 en la parte recuperable.
2) Para superar la asignatura, hay que obtener al menos un 4 (sobre 10) en la parte recuperable.
3) Para superar la asignatura, la calificación final debe ser al menos de 5 (sobre 10), tras ponderar la parte no recuperable (30%) y la parte recuperable (70%).

Versión: 14/06/2024 10:30:31 - G 2024-25 - 656M - 5286 - Impresión: 15/11/2025 22:49:21