Máster en Procesamiento del Lenguaje e Inteligencia Artificial
Competencias alcanzadas
Competencias básicas
CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
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 ambigüedades.
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
CC01 - Aplicar programas de base de datos al diseño e implementación de corpus lingüísticos.
CC04 - Categorizar las unidades de análisis de un corpus lingüístico pertenecientes al nivel de la palabra por parte de la oración y lema.
CC02 - Evaluar el diseño de un corpus lingüístico de acuerdo con principios de representatividad.
CC03 - Estructurar un corpus lingüístico en unidades de análisis de nivel texto, fragmento, oración o palabra.
CC05 - Aplicar sistemas de anotación sintáctica constitutivos a un corpus lingüístico.
CC06 - Distinguir los principios fundamentales en los que se sustenta un sistema de anotación sintáctica constitutivo.
CC07 - Implementar las estrategias principales para llevar a cabo anotación sintáctica.
CC08 - Distinguir los principios fundamentales en los que se sustenta un sistema de anotación semántica.
CC09 - Comparar los modelos y herramientas existentes para la anotación semántica.
CC10 - Diseñar un banco de datos lingüísticos a partir de un conjunto de textos para su anotación con técnicas manuales y de procesamiento de lenguaje natural.
CC11 - Comparar los bancos de datos de constituyentes y los bancos de datos de dependencias.
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.
CC14 - Comparar las técnicas básicas de machine learning para el procesamiento del lenguaje natural.
CC15 - Aplicar los conceptos de red neuronal y deep learning al procesamiento del lenguaje natural.
CC16 - Aplicar los modelos de clasificación automática de textos.
CC17 - Aplicar los modelos de extracción automática de información.
CC18 - Comparar los modelos de traducción automática.
CC19 - Explicar la relevancia de las redes neuronales para la traducción automática.
CC20 - Explicar la relevancia de la probabilidad para la traducción automática.
CC21 - Comparar los modelos de análisis automático de sentimientos.
CC22 - Comparar los modelos de análisis automático de afecto.
CC23 - Comparar los modelos de análisis automático de connotación.
CC35 - Conocimientos del Trabajo de Fin de Máster propios del tema que se vaya a desarrollar, que estará directamente relacionado con las materias obligatorias del Máster y versará de lingüística computacional, procesamiento del lenguaje natural y/o aplicaciones lingüísticas de la inteligencia artificial.
CC36 - Recopilar un corpus con un lenguaje estándar de marcado.
CE10 - Aplicar métodos experimentales para la extracción y análisis de datos lingüísticos.
CC37 - Tokenizar y alinear los datos lingüísticos para que puedan incorporarse a un corpus lingüístico paralelo.
CC38 - Comparar distintas técnicas de desambiguación para el etiquetado de corpus.
CC39 - Comparar distintas técnicas de lematización para el etiquetado de corpus.
CC40 - Seleccionar los datos para programas de machine learning aplicado al procesamiento del lenguaje natural.
CE01 - Distinguir las áreas principales del campo de estudio de la lingüística computacional.
CE02 - Justificar la relación entre la lingüística de corpus y la lingüística computacional.
CE03 - Aplicar recursos y técnicas de bases de datos al procesamiento del lenguaje natural.
CE04 - Sintetizar distintos modos de almacenamiento de datos lingüísticos y bases de datos.
CE05 - Estructurar, por medio de programas específicos, datos lingüísticos para procesamiento del lenguaje natural.
CE06 - Comprender la base descriptiva del etiquetado morfológico, así como de la anotación sintáctica y de la anotación semántica.
CE07 - Analizar lenguaje natural con categorías y funciones universales de etiquetado y anotación de corpus para la comparación lingüística, la enseñanza y la traducción.
CE08 - Comparar modelos, recursos y técnicas de etiquetado morfológico de corpus.
CE09 - Comparar modelos, recursos y técnicas de anotación sintáctica, semántica y discursiva de corpus.
CE11 - Medir la precisión y exhaustividad de los resultados del análisis de datos lingüísticos obtenidos por computador.
CE12 - Interpretar los datos del análisis de textos con lingüística experimental.
CE13 - Comparar técnicas para estimar las relaciones entre variables dentro de un experimento lingüístico.
CE14 - Comparar aplicaciones informáticas basadas en machine learning para el análisis lingüístico.
CE15 - Interpretar los resultados obtenidos por programas de deep learning en el contexto del procesamiento del lenguaje natural.
CE16 - Analizar el alcance y la precisión de los resultados obtenidos por computador, comparándolos con los logrados por medio de técnicas lingüísticas tradicionales basadas en el análisis manual.
CE17 - Valorar las implicaciones éticas y sociales de las aplicaciones del deep learning al ámbito del lenguaje natural.
CE18 - Procesar los documentos textuales eficazmente para la traducción automática; la extracción de la información y clasificación de textos; y el análisis de sentimientos, el afecto y la connotación.
CE19 - Sintetizar los principales logros del procesamiento del lenguaje natural.
CE20 - Relatar los principales desafíos del procesamiento del lenguaje natural.
CE21 - Diseñar una prueba de concepto para distintas aplicaciones del procesamiento del lenguaje natural.
CE22 - Comparar los resultados de la traducción automática.
CE23 - Resolver, sobre la base de los conocimientos de lingüística computacional, procesamiento de lenguaje natural y aplicaciones de la inteligencia artificial a la lingüística, casos de uso de distintos ámbitos públicos y privados contenidos en un banco de datos lingüísticos por medio de una hoja de cálculo.
HD13 - Crear una visualización a partir de la anotación morfo-sintáctica de un corpus lingüístico con una hoja de cálculo.
HD14 - Interpretar los resultados obtenidos en el aprendizaje automático del lenguaje a través del procesamiento estadístico.
HD15 - Interpretar los resultados de los programas de inferencia y aprendizaje utilizados para el procesamiento del lenguaje natural.
HD16 - Preparar los datos lingüísticos que serán procesados por programas de machine learning utilizados para el procesamiento del lenguaje natural.
HD17 - Evaluar el alcance y la precisión de los resultados obtenidos tras aplicar los principales programas de machine learning y deep learning al procesamiento del lenguaje natural.
HD18 - Aplicar una prueba de concepto para la extracción de la información y clasificación de textos basada en técnicas de procesamiento del lenguaje natural.
HD19 - Interpretar los resultados obtenidos por una prueba de concepto para la extracción de la información y clasificación de textos llevada a cabo con técnicas de procesamiento del lenguaje natural.
HD20 - Preparar datos lingüísticos para aplicar programas de traducción automática.
HD21 - Contrastar las traducciones automáticas obtenidas con y sin post-edición de los textos de la lengua fuente.
HD22 - Comparar los resultados obtenidos con glosarios y con métodos automáticos utilizados en el análisis de sentimientos, afecto y connotación.
HD23 - Interpretar los resultados obtenidos por una prueba de concepto para el análisis de sentimientos, afecto y connotación llevada a cabo con técnicas de procesamiento del lenguaje natural.
HD33 - Diseñar un trabajo novedoso con un método explícito que tenga resultados relevantes para el procesamiento del lenguaje natural.
HD34 - Llevar a cabo un trabajo novedoso que suponga el manejo de información compleja y el análisis de datos de una variedad de fuentes lingüísticas.
HD35 - Explicar la terminología y tecnicismos propios del procesamiento del lenguaje natural a una audiencia general.
