Veja horário do curso: curso 9
Primeira Parte - O que é o Processamento de Linguagem Natural (NLP) e a Linguística Computacional; o que são linguagens construídas (conlnags); aspectos de uma linguagem natural; fonologia: fonética e fonotáticas; sintaxe: papéis morfossintáticos e ordenação das sentenças; morfologia: inflexão verbal, inflexão nominal, derivação; léxico: estratégias de formação de palavras e sentenças; modificação temporal: evoluções fonológica, léxica, gramatical e como emulá-las. Segunda Parte - visão geral do NLP: tipos de tarefas, famílias de métodos, métricas; conjuntos de dados em NLP: principais corpora disponíveis, noções de construção; técnicas de pré-processamento: normalização, lematização e stemização, segmentação, geração de representações, filtragem de textos; tagueamento: taggers baseados em expressões regulares, taggers baseados em N-gramas; classificação de textos: naive-bayes, regressão logística, redes neurais feed-forward; agrupamento de textos: método k-means com representações esparsas e densas; modelos baseados em atenção: BERT, pré-treinamento e aperfeiçoamento, o pacote transformers, exemplos usando tradução de textos.
Primeira Parte - O que é o Processamento de Linguagem Natural (NLP) e a Linguística Computacional; o que são linguagens construídas (conlnags); aspectos de uma linguagem natural; fonologia: fonética e fonotáticas; sintaxe: papéis morfossintáticos e ordenação das sentenças; morfologia: inflexão verbal, inflexão nominal, derivação; léxico: estratégias de formação de palavras e sentenças; modificação temporal: evoluções fonológica, léxica, gramatical e como emulá-las. Segunda Parte - visão geral do NLP: tipos de tarefas, famílias de métodos, métricas; conjuntos de dados em NLP: principais corpora disponíveis, noções de construção; técnicas de pré-processamento: normalização, lematização e stemização, segmentação, geração de representações, filtragem de textos; tagueamento: taggers baseados em expressões regulares, taggers baseados em N-gramas; classificação de textos: naive-bayes, regressão logística, redes neurais feed-forward; agrupamento de textos: método k-means com representações esparsas e densas; modelos baseados em atenção: BERT, pré-treinamento e aperfeiçoamento, o pacote transformers, exemplos usando tradução de textos.
- Docente: Felipe Ribas Serras
Curso Oficial PRCEU: Sim