Experto en Minería de Textos

Certificado en Experto en Minería de Textos

curso experto en minería de textos

Certificado Experto en Minería de Textos. Modalidad Online. Dos clases semanales en vivo por videoconferencias interactivas, una teórica y una práctica. un fuerte componente práctico orientado a proyectos reales para que aprendas haciendo.
Duración: 4 semanas. Dedicación: 10 hs x semana. Carga Horaria: 40 Horas.

$22.000,00INSCRIBIRME AHORA

En Argentina

Valor Promoción:
$22000 Pesos Argentinos

6 cuotas sin interés
Otros Países

Valor Promoción:
$241 Dólares

Alumnos del exterior de argentina

Para los alumnos que se inscriban al Certificado en Experto en Minería de Textos desde el exterior de Argentina, este precio de promoción es aproximadamente de $241 dólares. Este valor puede variar según la cotización diaria que apliquen las plataformas de cobro PayU – PayPal.

Seleccione la fecha que desea comenzar la cursada. Vacantes Disponibles:

Plan de estudios del certificado Experto en Minería de Textos

La duración de cada clase es de 30 a 60 minutos dependiendo del tema, la cantidad de participantes y el nivel de intervenciones conseguido.

Los grupos de participantes son reducidos y de varios países hispanoparlantes. Lo que aporta diferentes visiones y la posibilidad de networking internacional.

Soporte docente por Grupo de WhatsApp, email y foro.

El entrenamiento tiene un componente teórico de los conocimientos para que comprendas el por qué se hace lo que se hace.

El estudiante tiene actividad complementaria con material de soporte de las clases, material teórico para estudiar, ejercicios resueltos y para resolver. Se realiza corrección de ejercicios y autoevaluaciones.

Objetivos

La minería de textos es el proceso de analizar información por medio de la identificación de patrones o correlaciones entre los términos. Lo que permite encontrar información que no está explícita dentro del texto.

El curso experto en Minería de Texto con Python fue pensado para ofrecer los conocimientos y herramientas necesarias para poder aplicar efectivamente esta disciplina en el mundo real.

Las posibilidades que ofrece esta disciplina son realmente amplias por ejemplo te mencionaremos algunos de los trabajos en la siguiente lista: Traducción Asistida/Automática, Reconocimiento de habla, Corrección ortográfica, Detección de tópicos, Generación automática de resúmenes, Extracción de información, Sentiment Analysis, Chatbots, Etc

Programa analítico del Certificado en Experto en Minería de Textos con Python

Pre-requisitos del curso

El nivel de programación con el que el estudiante cuente no es un impedimento en el momento de considerar el curso.

La idea es comenzar desde lo más básico e ir acompañándolos con ejemplos prácticos para que puedan ir avanzando a su ritmo y llegar al final con los conocimientos buscados.

Unidad 1: Introducción a la minería de textos y al Procesamiento de Lenguaje Natural (PLN) 

  • ¿Por qué Python?. 
  • Minería de Textos y PLN. 
  • Recursos y herramientas del Text Mining para textos en español. 
  • Ejemplos de aplicación de Text Mining en el ámbito empresarial y académico.
  • Librerías para el manejo de textos en Python. 
  • Funciones básicas de procesamiento de texto en Python. 

Unidad 2: Creación de un corpus

  • El concepto del corpus en PLN. 
  • Consolidación de un corpus a partir de archivos locales. 
  • Conceptos de HTML y CSS. 
  • Librerías de Web Scraping en Python. 
  • Ejemplo de aplicación de Web Scraping en Python. 
  • Conexión a APIs.
  • Ejemplo de aplicación de armado de corpus desde API de Twitter.

Unidad 3: Limpieza y preparación del corpus

  • Importancia del preprocesamiento del texto. 
  • Tokenizadores, N-Gramas y Stop Words. 
  • Etiquetadores de partes de la oración (POS taggers). 
  • Corpus Lingüísticos. 
  • Lematización y stemming.
  • Ejemplos de aplicación en Python.

Unidad 4: Expresiones regulares

  •  Definición y uso de las Expresiones Regulares. 
  • Componentes de las Expresiones Regulares. 
  • Expresiones Regulares en Python. 
  • Práctica de aplicación en casos reales. 

Unidad 5: Clasificación automática de textos

  •  Vectorización de textos. 
  • Algoritmo Tf-idf. 
  • Algoritmo de clasificación Bayesiano.
  • Implementación en Python.
  • Ejemplo de aplicación: clasificación de sentimiento de opiniones de usuarios.

Unidad 6: Identificación automática de tópicos

  • Nociones de clasificación no supervisada. 
  • Modelado de tópicos. 
  • Algoritmo BoW y creación de Nube de Palabras. 
  • Implementación del algoritmo LDA para textos en español.
  • Ejemplo de aplicación: identificación de tópicos en críticas de películas.

Recursos ofrecidos

  • Clases teóricas en vivo: 1 x semana
  • Clases prácticas en vivo: 1 x semana
  • Material teórico para estudiar
  • Ejercicios resueltos
  • Corrección de ejercicios
  • Autoevaluaciones

Cronograma de la cursada

Lunes y Miércoles 20.00 Horas

Bibliografía

Bird, Steven, Ewan Klein y Edward Loper (2009). Natural language processing with Python: analyzing text with the natural language toolkit. California: O’Reilly Media.

Clark, Alexander (2003, March). Pre-processing very noisy text. In Proc. of Workshop on Shallow Processing of Large Corpora (pp. 12-22).

Clark, Eleanor y Kenji Araki (2011). Text normalization in social media: progress, problems and applications for a pre-processing system of casual English. Procedia-Social and Behavioral Sciences, 27, 2-11.

Downey, Allen (2012). Think Python. Massachusetts: Green Tea Press.

Jurafsky, Daniel y Christopher Martin (2000) Capítulo 2 «Regular expressions and automata». Speech and language processing. New Jersey: Prentice-Hall, 21-56.

Manning, Christopher y Hinrich Schütze (1999). Foundations of Statistical Natural Language Processing. Cambridge/Massachusetts: The MIT Press.

Moreno Sandoval, Antonio (1998). Introducción a la lingüística computacional. Introducción a los modelos simbólicos, estadísticos y biológicos. Madrid: Síntesis.

Russell, Stuart J. y Peter Norvig (1995). Capítulo 23: “Practical Natural Language Processing”. Artificial Intelligence: a modern approach. New Jersey: Prentice Hall.

Watt, Andrew (2005). Beginning Regular Expressions. Indianapolis: Wiley Publishing.

Equipo docente

Artículo añadido al carrito.
0 artículos - $0,00
Abrir chat
¿Necesitas asesoramiento?
¿Dudas? Consulta por WhatsApp