El Procesamiento de Lenguaje Natural (PLN) estudia el uso de algoritmos y estructuras de datos para el procesamiento automático del lenguaje humano. Es una rama de las Ciencias de la Computación, la Inteligencia Artificial y la Lingüística Computacional, que sirve tanto para el desarrollo de aplicaciones prácticas que utilicen tecnología basada en lenguaje humano, como para el estudio de los problemas fundamentales de la lingüística teórica y las ciencias cognitivas.
En esta Curso en Procesamiento de Lenguaje Natural haremos una introducción a las diferentes tareas que componen el PLN, y los diferentes enfoques computacionales para encararlas. Haremos énfasis especialmente en el trabajo basado en corpus y en el uso de algoritmos de aprendizaje automático (Machine Learning).
Este curso forma parte del Master en Data Science y Big Data. Si quieres ampliar tu formación, consulta el programa completo.
Este curso forma parte del Máster en Data Science y Big Data.
Si quieres ampliar tu formación, consulta el programa completo.
Másters
Big data & IA
Máster en Data Science y Big Data
a quién va dirigido
El Curso en Procesamiento de Lenguaje Natural proporciona formación específicamente orientada a los siguientes perfiles:
- Ingenieros que tengan por objetivo una actualización de sus conocimientos y el desarrollo de nuevas competencias dentro de la Inteligencia Artificial
- Programadores que tengan por objetivo ampliar sus conocimientos y capacidades en el mundo de la ciencia de datos para su desarrollo profesional
- Analistas de datos con experiencia que quieran dar el salto a los aspectos más profundos de la tecnología
QUÉ APRENDERÁS
Al finalizar el Curso en Procesamiento de Lenguaje Natural serás perfectamente capaz de:
- Saber analizar e interpretar los problemas computacionales del PLN.
- Saber proponer soluciones específicas basadas en PLN, implementarlas y evaluarlas.

PLAN DE ESTUDIOS
Resumen
El Procesamiento de Lenguaje Natural (PLN) estudia el uso de algoritmos y estructuras de datos para el procesamiento automático del lenguaje humano. Es una rama de las Ciencias de la Computación, la Inteligencia Artificial y la Lingüística Computacional, que sirve tanto para el desarrollo de aplicaciones prácticas que utilicen tecnología basada en lenguaje humano, como para el estudio de los problemas fundamentales de la lingüística teórica y las ciencias cognitivas.
En esta clase daremos una introducción a las diferentes tareas que componen el PLN, para entender el contexto general y nos centraremos en el procesamiento básico de textos.
Objetivos
Los objetivos para esta clase son:
- Contextualizar acerca del NLP.
- Conocer el léxico empleado y distintos conceptos básicos asociados.
- Realizar una primera aproximación al uso de la librería de NLTK.
Temario
- Teoría
- Introducción al NLP
- Etapas, Áreas, Componentes y Flujos de Trabajo
- NLP - Conceptos Claves - Parte 1
- NLP - Conceptos Claves - Parte 2
- Regex, Tf-idf, Matriz término-documento
- Práctica
- Introducción a NKTL - Parte 1
- Introducción a NKTL - Parte 2
Resumen
En esta segunda clase empezaremos a entender las complejidades a las que nos enfrentamos a la hora de utilizar técnicas de NLP. A su vez, abordaremos temáticas esenciales de modelos probabilísticos del lenguaje.
También realizaremos una conceptualización al uso y aplicación del Text Mining y Web Mining desde una perspectiva del NLP. Conoceremos de forma introductoria la librería de Spacy y tocaremos la temática de sesgos y abordaje de un proyecto de NLP.
Objetivos
Los objetivos de esta clase son:
- Comprender los desafíos y retos del NLP.
- Aplicar técnicas de analítica de texto y web mining básicas para el NLP.
- Entender de manera introductoria el uso de la librería de Spacy.
- Conocer los sesgos y abordaje de un proyecto de NLP de manera conceptual.
Temario
- Teoría
- Modelos Probabilísticos del Lenguaje
- Intro a Text Mining
- Web Scraping
- Conociendo Spacy
- Sesgos en el NLP
- Abordaje de un proyecto de NLP
- Práctica
- Modelado del Lenguaje
- Procesamiento básico de Texto
- Laboratorio - Analítica de Textos
- Web Scraping y NLTK
- Ejemplos Pipeline NLP
Resumen
Ya brindados todos los conceptos básicos e intermedios del mundo del NLP, en el presente sprint abordaremos las técnicas mas avanzadas de aplicación. Para ello, realizaremos un abordaje al Machine Learning, Deep Learning, Análisis de Sentimientos, y conceptos complementarios como ser: Transfer Learning, GPT-3, entre otras temáticas a fines.
Objetivos
Los objetivos de esta clase son:
- Aplicar de forma práctica algoritmos de Machine Learning para la solución de un problema basado en el uso de NLP.
- Resolver de forma práctica algoritmos de Deep Learning para la solución de un problema basado en el uso de NLP.
- Implementar un algoritmo de Análisis de Sentimientos.
- Comprender conceptos complementarios al Procesamiento del Lenguaje Natural.
- Profundizar en el uso de la librería de Spacy.
Temario
- Teoría
- Nociones básicas del Machine & Deep Learning
- Learning Revisión modelos de Aprendizaje Automático
- Diseño y construcción de un modelo de NLP
- Redes Neuronales y Arquitecturas en el NLP
- Métodos de Ensamble y NLP
- Análisis de Sentimientos
- MLOps
- Transfer Learning, GPT-3 y Transformers
- Práctica
- Clasificación de Texto con Naive Bayes en Python
- Text Generation with LSTM
- Sentimental Analysis
- Bonus Track - Comenzando con spaCy para Procesamiento de Lenguaje Natural
- Bonus Track - Cloud Computing y NLP
profesorado
aprende con los mejores expertos
OPINIONES del Curso en Procesamiento de Lenguaje Natural

Orlando Hernández Jiménez
Consultant, Data Scientist and Trainer in BI, ECM, BigData, ML & Blockchain
Todos los objetivos claros en combinación con dedicación y esfuerzo, darán un extraordinario y satisfactorio resultado. Así que a seguir con los siguientes objetivos #iebs.

Arantxa Martínez Capitán
Técnico BPO en Integra HCM
En el Postgrado en Business Intelligence & BD he trabajado con herramientas como Alteryx, RapidMiner, MySQL y Microsoft Power BI. Con ellas he ido encajando piezas hasta crear el puzle completo mediante el desarrollo de casos prácticos reales.

Juan Manuel Hernández Espinosa
Senior Petroleum Economist & Data Scientist
¡He disfrutado mucho este viaje! Un logro más, ahora es el momento de aplicar todos los aprendizajes y aprovecharlos en todos los aspectos profesionales!, Gracias IEBS Business School.

Roberto Esteves
Gerente General en Masapp
Solamente pasaba para compartirles un pequeño éxito, haber terminado el postgrado en el IEBS Business School en "Data Science y Machine Learning", esto me sirve para poder seguir dando mejores capacitaciones.
resumen
del Curso en Procesamiento de Lenguaje Natural
DURACIÓN
1 mes (40 horas)
INICIO
12 Febrero
Modalidad
Online - Accesible 24/7
precio
510 U$S
incluye
Diploma IEBS y bolsa de empleo
valoración
4.9/5 de valoración por los alumnos
No enseñamos el futuro. Te ayudamos a crearlo.
FORMACIÓN RELACIONADA
Curso
Big data & IA
Curso en Transformación digital: Inteligencia Artificial Generativa (genAI) y cloud computing

Curso
Big data & IA
Curso en Estrategia Digital: Cómo lograr ventajas diferenciales con tecnología digital

Curso
Big data & IA
Curso en IA Aplicada a Social Media

Curso
Big data & IA
Curso en Aprende a desarrollar narrativas con ChatGPT

Curso
Big data & IA
Curso en IA aplicada al Customer experience

Curso
Big data & IA
Curso en Revolución Visual: crea productos Audiovisuales con IA Generativa y Runway
