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.