El objetivo principal de la asignatura es que el estudiante se familiarice con la metodología de investigación en Procesamiento del Lenguaje Natural, de forma que pueda plantear, planificar, desarrollar y comunicar un trabajo de investigación de forma autónoma y efectiva. Es una asignatura optativa de carácter metodológico recomendada para todos aquellos estudiantes que se planteen una carrera investigadora o de innovación relacionada con el Procesamiento del Lenguaje Natural o la Inteligencia Artificial en general, ya sea en la industria o en la academia. 

EQUIPO DOCENTE

GONZALO ARRAYO, JULIO:

Julio Gonzalo es director del centro de investigación en Procesamiento del Lenguaje Natural y Recuperación de Información de la UNED (nlp.uned.es). Ha investigado en muchos aspectos de la Inteligencia Artificial relacionados con el lenguaje. Algunos de los temas más recientes son:  la creatividad de los modelos de lenguaje, el análisis automático de las técnicas de propaganda política en las estrategias narrativas de las potencias mundiales y las métricas de evaluación para aplicaciones de Inteligencia Artificial. Ha sido co-chair de iniciativas internacionales de evaluación competitiva de sistemas inteligentes como CLEF, IberEval e IberLEF.
 

CENTENO SÁNCHEZ, ROBERTO:

Roberto Centeno forma parte del grupo NLP&IR de la UNED. Su actividad investigadora se centra en la inteligencia artificial distribuida y la detección de noticias falsas y opiniones en las redes sociales. En particular, mis principales intereses se centran en la regulación de Sistemas Multiagente Abiertos y el estudio de aspectos sociales como la confianza y la reputación y su aplicación tanto en redes sociales como en teorías de eLearning.

Conocimientos previos recomendables:

- Conocimientos básicos de matemáticas, estadística y programación.

- Conocimientos básicos de aprendizaje automático

- Lectura fluida en inglés

Esta asignatura puede ser cursada de forma aislada del resto de las asignaturas del máster. Se recomienda para cualquier estudiante que tenga intención de desarrollar una carrera investigadora en la academia o en la industria. 

Con la superación del curso se espera que el estudiante desarrolle las siguientes competencias generales relacionadas con el máster:

CPG1 - Adquirir capacidad de abstracción, análisis, síntesis y relación de ideas.

CPG2 - Adquirir capacidad crítica y de decisión

CPG3 - Adquirir capacidad de estudio y autoaprendizaje

CPG4 - Adquirir capacidad creativa y de investigación

Con la superación del curso se espera que el estudiante desarrolle las siguientes competencias específicas relacionadas con el máster:

CE1 - Adquirir capacidad de comprender y manejar de forma básica los aspectos más importantes relacionados con los lenguajes y sistemas informáticos en general y, de manera especial, en el ámbito de las Tecnologías del Lenguaje y de acceso a la información en la Web: 

CE3 - Adquirir capacidad de estudio de los sistemas y aproximaciones existentes para distinguir las aproximaciones más efectivas.

CE4 - Adquirir capacidad para detectar carencias en el estado actual de la ciencia y la tecnología.

CE5 - Adquirir capacidad para proponer nuevas aproximaciones que den solución a las carencias detectadas.

CE6 - Adquirir capacidad de especificar, diseñar, implementar y evaluar tanto cualitativa como cuantitativamente los modelos y sistemas propuestos.

CE7 - Adquirir capacidad para proponer y llevar a cabo experimentos con la metodología adecuada como para poder extraer conclusiones y determinar nuevas líneas de actuación e investigación.

Los resultados de aprendizaje esperados son:

1. Capacidad para elegir y plantear un tema de investigación adecuado en función de su interés práctico y científico, de su viabilidad y del estado del arte.

2. Capacidad para focalizar, abstraer y formalizar el tema elegido en términos de funcionalidad, problemas abstractos y métricas de evaluación.

3. Capacidad para elaborar un diseño experimental adecuado en función de las cuestiones de investigación planteadas y el escenario de aplicación.

4. Capacidad para establecer resultados cuantitativos y cualitativos de la experimentación e identificar el alcance de los mismos.

5. Capacidad para compartir y comunicar con la comunidad científica los resultados de investigación de forma efectiva.

La asignatura no tiene clases presenciales. Los contenidos teóricos se imparten a distancia y de acuerdo con las normas y estructuras de soporte telemático de la enseñanza en la UNED.

El material docente incluye un resumen de los contenidos de cada tema y distintos tipos de actividades relacionadas con la consulta bibliográfica, la realización de ejercicios prácticos y, en ocasiones, la utilización de herramientas asociadas a las tecnologías y técnicas presentadas en el curso. Junto a las actividades y enlaces con fuentes de información externas, existe material didáctico propio preparado por el equipo docente con ejercicios que organizan las actividades prácticas del alumno.