UD03 · Actividades guiadas¶
Cómo se trabajan
Estos cinco notebooks no se entregan: se hacen en clase, con el profesor, y son la preparación de los cinco entregables. Están ejecutados: puedes leerlos antes de tocar nada para ver qué hace cada celda.
Dos entornos
N01yN04: van en el contenedor de la unidad (docker compose up -den esta carpeta) o en cualquier Python 3.12+ connltky spaCy.N02,N03yN05: usantransformers, entrenan modelos o procesan audio. Van en Colab, que tiene GPU — en local, sin GPU, tardan horas.
N01 · Introducción al PLN¶
Los fundamentos con nltk y TextBlob: tokenizar, quitar stopwords, etiquetar categorías gramaticales, extraer frases nominales y construir representaciones bolsa de palabras, tf-idf y word embeddings.
| Recurso | Enlace |
|---|---|
| Notebook | UD03_N01_introduccion_pln.ipynb |
Nota sobre la tabla anterior.
gensim no instala en Python 3.14
La celda de Word2Vec usa gensim, que todavía no publica rueda para Python 3.14 (su última versión, 4.4.0, llega hasta 3.13). En el contenedor de la unidad no pasa nada —lleva Python 3.12—, pero si trabajas con un intérprete más nuevo, esa celda concreta fallará al instalar. El resto del notebook no depende de gensim.
N02 · Clasificación de texto con PyTorch¶
Construye un clasificador de texto desde cero: de la bolsa de palabras a los word embeddings, con un modelo de PyTorch entrenado y evaluado. Es el notebook que EX2 repite sobre datos propios.
| Recurso | Enlace |
|---|---|
| Notebook | UD03_N02_clasificacion_texto_torch.ipynb |
N03 · Modelos de lenguaje: afinar DistilBERT¶
Transfer learning de manual: parte de un DistilBERT preentrenado y lo afina para análisis de sentimiento con una base de datos de tuits. EX4 repite el proceso sobre reseñas de cine.
| Recurso | Enlace |
|---|---|
| Notebook | UD03_N03_modelos_lenguaje_distilbert.ipynb |
N04 · spaCy, primeros pasos¶
El pipeline de spaCy de una sola pasada: tokenización, POS, dependencias y entidades, sobre texto en español.
| Recurso | Enlace |
|---|---|
| Notebook | UD03_N04_spacy_primeros_pasos.ipynb |
N05 · Ampliación: clasificador de géneros musicales¶
Un sistema de PLN aplicado a audio: clasificar el género de una canción combinando librosa y transformers. Es el notebook más largo del módulo (240 celdas) y no cuenta horas de la unidad: queda como material de ampliación para quien quiera ir más allá de EX5.
| Recurso | Enlace |
|---|---|
| Notebook | UD03_N05_ampliacion_clasificador_generos_musicales.ipynb |