Este curso se centra en proporcionar una guía completa para dominar el Procesamiento del Lenguaje Natural (NLP) utilizando Python. Además, para aquellos estudiantes que aún no tienen experiencia con esta herramienta, hemos incluido un bloque opcional en el plan de estudios que cubre el aprendizaje de Python desde cero.
En este curso, destacan las actividades prácticas que incluyen la creación de un detector de spam mediante la clasificación de textos utilizando NLTK, el análisis de sentimientos relacionados con productos, servicios o entidades utilizando TextBlob, la creación de chatbots para proporcionar asistencia virtual automática, la construcción de modelos para el reconocimiento y síntesis de voz, y una variedad de otras aplicaciones que aprovechan estas técnicas avanzadas.
Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad.
Objetivos
Los contenidos de este curso están diseñados para que los estudiantes adquieran la capacidad de desarrollar sus propios detectores de spam mediante la clasificación de textos utilizando NLTK. Los alumnos también aprenderán a crear chatbots que brindarán asistencia virtual automática, así como a construir modelos para el reconocimiento y la síntesis de voz, junto con muchas otras técnicas.
Temario completo de este curso
Introducción al Procesamiento del Lenguaje Natural (NLP):
· Define y fundamenta el NLP.
· Explora las aplicaciones del NLP.
Introducción a Python:
· Configura Python y Jupyter.
· Cubre conceptos básicos de Python.
· Presenta bibliotecas como Numpy, Pandas y Matplotlib.
Sistemas de Clasificación de Textos:
· Explica la clasificación de textos.
· Configura la biblioteca NLTK.
· Incluye ejemplos prácticos de tokenización, palabras de parada, sinónimos y antónimos, derivación regresiva y lematización.
· Aborda un estudio de caso sobre la clasificación de textos para detectar spam.
Análisis de Sentimientos:
· Introduce el análisis de sentimientos.
· Realiza un caso práctico de conexión y captura de tweets en Twitter.
· Analiza y visualiza sentimientos en Twitter.
Creación de Chatbots:
· Explica qué son los chatbots.
· Describe la definición de corpus y el preprocesamiento de texto para chatbots.
· Aborda la evaluación de similitud y la definición de coincidencias manuales.
· Incluye un caso práctico de generación de respuestas y diálogos con chatbots.
Reconocimiento y Síntesis de Voz:
· Introduce el reconocimiento y la síntesis de voz.
· Configura bibliotecas como SpeechRecognition y PyAudio.
· Ofrece ejemplos prácticos de reconocimiento y síntesis de voz en Python.
· Destaca la integración de funcionalidades de NLP para crear herramientas completas.