Análisis computacional e interpretación de datos lingüísticos
GUÍA DOCENTE Curso 2024-25
| Titulación: | Máster Universitario en Procesamiento del Lenguaje y Aplicaciones de la Int | 656M |
| Asignatura: | Análisis computacional e interpretación de datos lingüísticos | 5286 |
| Materia: | Métodos de aprendizaje automático para el procesamiento del lenguaje |
| Módulo: | Procesamiento del lenguaje e inteligencia artificial |
| Modalidad de enseñanza de la titulación: | Virtual | Carácter: | Obligatoria |
| Curso: | 1 | Créditos ECTS: | 4,00 | Duración: | Semestral (Primer Semestre) |
| Horas virtuales sincrónicas: | 40,00 | Horas 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 COMPUTACIÓN | R111 |
| Dirección: | C/ Madre de Dios, 53 | Código postal: | 26006 |
| Localidad: | Logroño | Provincia: | La Rioja |
| Teléfono: | 941299452 | Fax: | 941299460 | Correo electrónico: | dpto.dmc@unirioja.es |
Profesorado previsto
| Profesor: | Mata Martínez, Gadea | Responsable de la asignatura |
| Teléfono: | 941299450 | Correo electrónico: | gadea.mata@unirioja.es |
| Despacho: | D3210
| Edificio: | CENTRO CIENTÍFICO TECNOLÓGICO | Tutorías: | 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





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 |
| Básica | Apuntes de la asignatura |
| Básica | Probabilidad y estadística para ingeniería y ciencias |
| Básica | Estadística matemática con aplicaciones |
| Complementaria | Python 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.
|
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 dirigidas | Tamaño de grupo | Horas virtuales sincrónicas | Horas virtuales asincrónicas | Horas totales |
| Clases teóricas | Grande | 15,00 | | 15,00 |
| Seminarios y talleres | Reducido | 5,00 | | 5,00 |
| Clases prácticas | Reducido | 20,00 | | 20,00 |
| Total de horas de actividades dirigidas | 40,00 |
| Trabajo autónomo del estudiante | Horas |
| Estudio y trabajo autónomo individual | 60,00 |
| Total de horas de trabajo autónomo | 60,00 |
Evaluación
| Sistema de evaluación | Recuperable | No Recup. |
| Pruebas de ejecución de tareas reales y/o simuladas | | 30% |
| Trabajos y proyectos | 70% | |
| Total | 100% |
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