Fundamentos de NLP: Modelos Probabilísticos y Word Embeddings

¿Cómo predicen los motores de búsqueda tu próxima palabra y cómo saben los correctores ortográficos lo que querías escribir? El procesamiento de lenguaje natural se basa en modelos probabilísticos elegantes para dar sentido al lenguaje humano. Al comprender estos marcos matemáticos centrales, desbloqueas la capacidad de analizar, predecir y representar texto computacionalmente. Este curso te guía a través de los conceptos matemáticos y algorítmicos fundamentales de NLP. Pasarás de comprender las probabilidades básicas de texto a implementar algoritmos centrales que potencian las tecnologías de lenguaje modernas, estableciendo una base sólida para la IA y el aprendizaje automático avanzados. Lo que aprenderás: - Comprender las teorías de probabilidad fundamentales y las estrategias de tokenización, incluida la tokenización moderna de subpalabras, que sustentan la lingüística computacional. - Construir un sistema de autocorrección utilizando la distancia mínima de edición y la programación dinámica. - Aplicar el algoritmo de Viterbi y los Modelos Ocultos de Markov para el etiquetado preciso de partes del discurso. - Desarrollar modelos de lenguaje N-gram para predecir palabras subsiguientes e implementar funciones de autocompletado. - Crear word embeddings utilizando el modelo Word2Vec de bolsa de palabras continua para capturar el significado semántico. - Explorar cómo los modelos probabilísticos clásicos transicionan a representaciones vectoriales modernas basadas en transformadores. Comenzarás con la terminología esencial y los conceptos básicos de probabilidad antes de avanzar paso a paso a través del procesamiento de texto, el etiquetado de secuencias y las representaciones neuronales de palabras. Cada concepto se refuerza con explicaciones escritas claras y fragmentos de código Python prácticos diseñados para el aprendizaje práctico. Este curso, solo de texto, está diseñado para programadores principiantes, entusiastas de los datos e ingenieros de aprendizaje automático aspirantes que desean comprender el funcionamiento interno de NLP. No se requieren conocimientos avanzados de aprendizaje automático. Comienza hoy tu viaje en las matemáticas y los algoritmos del procesamiento del lenguaje.