Cursos gratuitos en línea: Procesamiento de lenguaje natural y Modelos gráficos probabilísticos

COMPARTIR 0 TWITTEAR

Hoy tenemos bajo el brazo dos cursos impartidos por la Universidad de Stanford, Procesamiento de Lenguaje Natural y Modelos gráficos probabilísticos, con los que ponemos punto y final semana y media de fantásticos cursos gratuitos.

Es un día triste, termina nuestro viaje por los diferentes cursos gratuitos, aunque seguiremos hablando de ellos a lo largo de la semana hoy os traemos los dos últimos cursos gratuitos, a cargo de la Universidad de Stanford. Tenemos con nosotros Procesamiento de Lenguaje Natural y Modelos gráficos probabilísticos.

En Natural language processing nuestros profesores serán Dan Jurafsky y Christopher Manning. Jurafsky es profesor de lingüística y de ciencias de la computación en la Universidad de Stanford. Sus investigaciones siempre se han entrado en el procesamiento de lenguaje natural y su aplicación a las ciencias de la conducta y las ciencias sociales. Manning es profesor asociado de ciencias de la computación y lingüística también en Stanford. Es uno de los autores más citados en el campo del procesamiento de lenguaje natural por sus investigaciones en un amplio rango de temas en lenguaje natural estadístico.

Persona escribiendo en un teclado

El curso cubre una gran cantidad de temas en el campo del procesamiento de lenguaje natural, incluyendo clasificación de texto, análisis de opinión, pronunciación correcta, extracción de información, obtención de significados y cómo responder a preguntas. Veremos además una introducción a la teoría de la probabilidad, estadística, aprendizaje de máquinas y algoritmos, materias básicas para el campo de estudio. ¿Y para qué quiero aprender yo todo esto? Los profesores nos dan la respuesta, este curso nos ayudará a enfrentarnos al lenguaje humano tal y como aparece en emails, páginas web, tweets, descripciones de productos, redes sociales, artículos científicos, etc. Entre las aplicaciones del procesamiento de lenguaje natural encontramos la detección de spam en el correo, traducción automática en la web o la contestación automática. Aquí aprenderemos los algoritmos y modelos matemáticos fundamentales en el procesamiento del lenguaje humano y cómo utilizarlos para resolver los problemas que podamos tener al enfrentarnos con datos lingüísticos.

El curso ya ha comenzado pero puedes apuntarte en su página web.

Probabilistic graphic models será dirigido por Daphne Koller profesora en la escuela de ingeniería de la Universidad de Stanford. Sus investigaciones se encuentran en la línea del desarrollo y uso del aprendizaje de máquinas y métodos probabilísticos para modelar y analizar ámbitos complejos. Es la autora de más de 200 publicaciones aparecidas en numerosas conferencias y jornadas sobre IA y ciencias de la computación. Entre sus premios encontramos un Arthur Samuel Thesis Award de 1994, un Sloan Foundation Faculty Fellowship en 1996, un ONR Young Investigator Award en 1998, un PECASE en 1999, un IJCAI Computers and Thought Award en 2001 o un ACM/Infosys award en 2008. Además de las gran cantidad de premios, Daphne Koller fue elegida miembro de la Academía Nacional de la Ingeniería en 2011.

Probabilidad de guerra en Estados Unidos

Nunca podemos predecir ciertamente que ocurrirá en el futuro e incluso el pasado y el presente muchos aspectos importantes no se observan con certeza. La teoría de la probabilidad nos da una base para modelar nuestras creencias sobre los diferentes posibles estados del mundo y actualiza esas creencias cuando encontramos nuevas evidencias. Estas creencias pueden ser combinadas con unas preferencias individuales para guiar nuestras acciones e incluso seleccionar las observaciones que hacemos. Nuestra capacidad para utilizar la teoría de la probabilidad es real debido al desarrollo del marco de trabajo llamado modelos gráficos probabilísticos. Este campo, que abarca métodos como el Bayesian Networks y el Markov random fields, usa ideas de la estructura de datos discreta en ciencias de la computación para codificar y manipular correctamente la distribución de la probabilidad en espacios de grandes dimensiones, incluyendo miles de variables. Los campos de aplicación de estos conocimientos son muy diversos, desde la búsqueda en la web, la medicina o la comprensión de imágenes hasta el procesamiento natural del lenguaje, decodificación de mensajes o navegación robot.

Las inscripciones terminarán el 25 de marzo así que si quieres apuntarte ya sabes, entra rápido en la web del curso.

¿Estáis tristes? No os preocupéis, aunque ya no nos queden cursos seguiremos hablando de esta interesante iniciativa en Xombit. Nuestros editores están dispuestos a contaros su experiencia en estos cursos, algo que seguro os será de utilidad. Para cerrar este último artículo de explicación de cursos sólo os digo: Nunca es tarde para aprender.

Archivado en Cursos en línea gratuitos, Formación, Universidad de Stanford
COMPARTIR 0 TWITTEAR

Comentarios (6)

Usa tu cuenta de Facebook para dejar tu opinión.

Otras webs de Difoosion