UD03 · Entregas¶
5 entregas en el RA3
Cada una se corrige con su rúbrica, que puedes leer antes de empezar en la propia tarea de Moodle. El peso de cada entrega está en el libro de calificaciones de Moodle, no aquí. La práctica de la unidad no se entrega ni puntúa.
| Actividad | Qué es | Descargar | Abrir en Colab |
|---|---|---|---|
N08 · Del texto al vector | Clasificador de reseñas desde cero · del texto al vector |  |  |
N09 · Clasificador de preguntas | Clasificador de preguntas entrenado y medido | | |
N10 · Análisis de sentimientos en IMDb con DistilBERT | Análisis de sentimiento en reseñas de cine | | |
N11 · Prototipo de asistente virtual | Sistema completo · asistente virtual por voz | | |
N12 · Un sistema de PLN de punta a punta | Sistema completo · extractor de entidades con spaCy | | |
N08 · Del texto al vector¶
Construir un clasificador que determine si una reseña es positiva o negativa, con un conjunto de datos anotado por vosotros y scikit-learn.
Se entrega: el notebook con el clasificador entrenado y evaluado, y las decisiones de anotación justificadas.
N09 · Clasificador de preguntas¶
Repite el proceso de N02 —de la bolsa de palabras a un clasificador entrenado— sobre un conjunto de preguntas, en vez de noticias.
Se entrega: el notebook con el clasificador entrenado y evaluado, y una sección de conclusiones que responda: ¿qué decisiones de anotación tomaría un lingüista con este conjunto de preguntas? ¿Qué perfiles harían falta si el proyecto creciera? ¿Qué formación necesitarías tú para mejorar este sistema?
N10 · Análisis de sentimientos en IMDb con DistilBERT¶
Transfer learning: parte del DistilBERT de N03 —afinado para tuits— y adáptalo a reseñas de IMDb, un dominio distinto.
Se entrega: el notebook con el modelo afinado y evaluado sobre las reseñas.
N11 · Prototipo de asistente virtual¶
Encadena tres modelos —voz a texto, traducción y texto a voz— en una sola función que reciba un audio y devuelva otro.
| Recurso | Enlace |
|---|---|
| Audio de prueba | OpenTheDoor.wav |
Se entrega: el notebook con la función conjunta funcionando de punta a punta, y una sección final que responda: ¿qué papel tendría un lingüista revisando las transcripciones y traducciones de este asistente? ¿Qué formación necesitaría el equipo si el asistente tuviera que funcionar en varios idiomas?
N12 · Un sistema de PLN de punta a punta¶
Construir un extractor de entidades (NER) para textos de un dominio concreto con spaCy, siguiendo la metodología del CE g: tarea → datos → herramienta → implementar → evaluar → documentar.
Se entrega: el notebook con el extractor funcionando y evaluado, y la documentación de cada paso.
Volver a la UD03 · Notebooks guiados · Talleres: N08 · N12