Curso de Domina NLP con Python desde Cero

¿Quieres aprender a crear sistemas de Procesamiento del Lenguaje Natural (NPL) de forma práctica y desde el principio?

En la actualidad, hay una gran demanda de profesionales con este perfil y con estas habilidades. Por eso, gracias a este curso, podrás acceder a puestos de alto valor añadido.

Porque este curso consiste en una guía para dominar el Procesamiento del Lenguaje Natural (NLP) con Python. Y, para ello, hay un bloque opcional dentro del temario para aprender Python desde cero y en su totalidad, para aquellos alumnos que no tengan todavía conocimiento sobre esta herramienta.

En este curso predominan las actividades prácticas como la creación de un detector de Spam a través de la clasificación de textos con NLTK, análisis de sentimientos sobre un producto, servicio o entidad con TextBlob, creación de chatbots para dar asistencia virtual automática, creación de modelos de reconocimientos y síntesis de voz y un sinfín de aplicaciones que nos abren todas estas técnicas.

Por eso, gracias a esta formación,los alumnos pueden acceder a puestos de alto valor añadido, porque se pronostica que este sector tendrá un incremento anual del 11.7%.

¿Qué aprenderás en este curso?

• Qué es Python, conceptos básicos instalación de Python y Jupyter, así como introducción a las librerías Numpy, Pandas y Matplotlib.
• En qué consiste la clasificación de textos, instalación de la librería NLTK, así como hacer casos prácticos de clasificación de textos: tokenizar, palabras de parada, sinónimos y antónimos, derivación regresiva, lematización y filtro spam.
• Qué son los análisis de sentimientos y en qué consisten, así como hacer un caso práctico en Twitter con la conexión y captura de tweets y realizar un análisis y visualización de sentimientos.
• Cómo crear un chatbot y qué es. Realizar casos prácticos de chatbots con definición corpus, procesamiento del texto, evaluación de similitud, definición de coincidencias manuales y generación de respuestas y diálogo con Chatbot.
• Qué es el reconocimiento y síntesis de voz. Cómo instalar librerías Speechrecognition/PyAudio y hacer combinación de funcionalidades NLP para crear herramientas integrales. Además de prácticas con el reconocimiento de voz y el sintetizador de voz con Python.

Objetivos del programa

¿A quien está dirigo?

Para la realización de este curso, se requiere que el alumnado disponga de conocimientos altos de programación.

1. Introducción al procesamiento del lenguaje natural (NLP)
   1. ¿Qué es el procesamiento del lenguaje natural (NLP) ?
   2. Aplicaciones procesamiento del lenguaje natural
2. Introducción a Python
   1. Instalación Python + Jupyter
   2. Conceptos básicos de Python
   3. Introducción a las librerías : Numpy
   4. Introducción a las librerías : Pandas
   5. Introducción a las librerías : Matplotlib
3. Sistemas de clasificación de textos
   1. ¿En qué consiste la clasificación de textos?
   2. Instalación librería NLTK
   3. Caso Práctico Clasificación de textos - Tokenizar
   4. Caso Práctico Clasificación de textos - Palabras de parada
   5. Caso Práctico clasificación de textos - Sinónimos y antónimos
   6. Caso Práctico clasificación de textos – Derivación regresiva
   7. Caso Práctico clasificación de textos - Lematización
   8. Caso de uso clasificación de textos . Filtro Spam
4. Análisis de sentimientos
   1. ¿En qué cosiste el análisis de sentimientos?
   2. Caso Práctico Twitter – Conexión y captura de tweets
   3. Caso Práctico Twitter – Análisis y visualización de sentimientos
5. Creación de chatbot
   1. ¿En qué consiste un Chatbot?
   2. Caso Práctico Chatbot – Definición Corpus
   3. Caso Práctico Chatbot – Preprocesamiento del texto
   4. Caso Práctico Chatbot – Evaluación de similitud
   5. Caso Práctico Chatbot – definición de coincidencias manuales
   6. Caso Práctico Chatbot – Generación de respuesta y diálogo con Chatbot
6. Reconocimiento y síntesis de voz
   1. ¿En qué consiste el reconocimiento y síntesis de voz?
   2. Instalación de librerías SpeechRecognition /PyAudio
   3. Reconocimiento de voz con Python – Caso práctico
   4. Sintetizador de voz con Python – Caso práctico
   5. Combinación de funcionalidades NLP para crear herramientas integrales