Esta asignatura tiene por objetivo estudiar técnicas que permiten transformar información textual no estructurada presente en documentos de distintas clases en datos estructurados  fáciles de procesar, que contendrán información relevante y permitirán la extracción de conocimiento. Estos procesos tienen su base en las técnicas de procesamiento de lenguaje natural y aprendizaje automático, que permiten identificar y analizar los elementos informativos de los textos.  

Contribución al perfil profesional: La minería de textos tiene muchas aplicaciones dentro de la ciencia de datos ya que hay que tener en cuenta que buena parte del volumen de datos que se maneja son datos no estructurados, texto libre. Esta asignatura permitirá capacitar a los estudiantes para la extracción de este tipo de información y su análisis en grandes volúmenes de documentos de diferentes dominios y de diferentes tipos, incluyendo páginas web, redes sociales, informes médicos, etc.

Se trata de una asignatura obligatoria que se imparte en el primer semestre el máster.
A la asignatura le corresponde 4 créticos ECTS, que equivalen a una estimación de 100 horas de trabajo.

Está relacionada con las siguientes asignaturas:

• Programación en entornos de datos
• Aprendizaje Automático I

En Minería de Textos se presentan librerías y arquitecturas de software específicas para el tratamiento de textos, de ahí su relación con la asignatura Programación en Entornos de Datos. Con respecto a Aprendizaje Automático I,  la asignatura de Minería de Textos se centra en los algoritmos de aprendizaje automático aplicados al tratamiento de los textos.

Reseña del profesorado:
 
DELGADO MUÑOZ, AGUSTÍN DANIEL (coordinador de la asignatura)

Agustín D. Delgado es miembro del grupo de investigación NLP&IR de la UNED. Sus líneas de investigación se enmarcan en el Procesamiento del Lenguaje Natural y la Recuperación de Información. En particular, sus publicaciones han abordado la desambiguación de entidades nombradas mediante técnicas de clustering y métricas de evaluación de sistemas de clasificación. Además, es revisor de varias revistas con factor de impacto y congresos internacionales.

email: agustin.delgado@lsi.uned.es

 
RODRIGO YUSTE, ALVARO:

Alvaro Rodrigo forma parte del grupo de investigación NLP&IR de la UNED.

Investiga dentro del ámbito del Procesamiento del Lenguaje Natural, centrándose en la búsqueda de respuestas, habiendo participado en la organización de diversas tareas de evaluación internacional así como en el desarrollo de este tipo de sistemas. Además, también investiga en diversos métodos para la detección y mitigación de la desinformación.

Ha formado parte del comité de programa de diversos congresos y es revisor de diversas revistas y congresos internacionales.

email: alvarory@lsi.uned.es

Esta asignatura debe estudiarse simultáneamente a las asignaturas de:
 

• Programación en entornos de datos
• Aprendizaje Automático I

 
ya que se apoya en los conocimientos impartidos en dichas asignaturas.
 
 
Se recomienda que los interesados en cursar el Máster tengan un nivel de lectura en inglés suficiente como para entender contenidos técnicos en dicha lengua. Debido a la novedad de algunos de los contenidos propuestos para la asignatura, gran parte de la bibliografía, así como los recursos proporcionados al estudiante en el curso virtual pueden estar únicamente en inglés

La tutorización de los estudiantes tendrá lugar esencialmente a través de los foros de la plataforma.

En caso de necesitar contactar con el Equipo Docente por medios distintos al curso virtual, se utilizará preferentemente el correo electrónico, escribiendo a los dos profesores:

agustin.delgado@lsi.uned.es y alvarory@lsi.uned.es

También se puede contactar con el Equipo Docente en los siguientes horarios:

Agustín Daniel Delgado Muñoz

Atención al Estudiante: Jueves de 11:00 a 13:00 horas y de 15:00 a 17:00 horas.

Tfno.: 91 398 8652

Despacho 2.16;

E.T.S.I. Informática, UNED C/ Juan del Rosal, 16 28040 Madrid

Álvaro Rodrigo Yuste

Atención al Estudiante: Jueves de 11:00 a 13:00 horas y de 15:00 a 17:00 horas.

Tfno.: 91 398 9693

Despacho 2.03;

E.T.S.I. Informática, UNED C/ Juan del Rosal, 16 28040 Madrid

COMPETENCIAS BÁSICAS

CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.

CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.

CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades. sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.

CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.

CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

COMPETENCIAS GENERALES

CG1 - Identificar los métodos apropiados para la solución de problemas asociados a la ciencia de datos y la analítica de información

CG3 - Desarrollar sistemas de gestión/almacenamiento/procesamiento de grandes volúmenes de datos de una manera eficiente y segura, teniendo en cuenta las normativas/legislaciones existentes

CG5 - Utilizar las habilidades de científico de datos y/o ingeniero de datos en entornos de trabajo multidisciplinares y ser capaz de distinguir/organizar las diferentes actividades de los roles en dicho entorno

COMPETENCIAS TRANSVERSALES

CT1 - Ser capaz de abordar y desarrollar proyectos innovadores en entornos científicos, tecnológicos y multidisciplinares.

CT2 - Ser capaz de tomar decisiones y formular juicios basados en criterios objetivos (datos experimentales, científicos o de simulación disponibles).

COMPETENCIAS ESPECÍFICAS

CE7 - Conocer y comprender las técnicas de procesamiento del lenguaje natural (NLP) y su aplicación en la extracción de información en textos

CE9 - Identificar y utilizar técnicas de desarrollo de algoritmos de manipulación de datos en entornos de gestión de datos masivos

Los resultados más relevantes que se pretende alcanzar con el estudio de esta asignatura son los siguientes:

• Identificar los distintos modelos de extracción de información y análisis de textos, así como las herramientas existentes para el procesamiento de textos.
• Aplicar la metodología de evaluación de sistemas de extracción de información en las fases de desarrollo/implantación de proyectos de procesamiento de textos.
• Discriminar y aplicar los procedimientos necesarios para la búsqueda, selección y manejo de recursos (bibliografía, software, etc.) relacionados con la materia.

Adicionalmente, se pretende que el estudiante alcance los siguientes subobjetivos asociados a los resultados de aprendizaje anteriores:

• Saber qué es la clasificación automática de textos, sus características y tipos.
• Saber utilizar las herramientas disponibles de clasificación automática de textos y tener criterios para seleccionar las más adecuadas.
• Saber qué es el clustering de textos, sus características y tipos.
• Saber utilizar las herramientas disponibles de clustering de textos y tener criterios para seleccionar las más adecuadas.
• Conocer diversas aplicaciones de la minería de textos.

Esta asignatura ha sido diseñada para la enseñanza a distancia. Por tanto, el sistema de enseñanza-aprendizaje estará basado en gran parte en el estudio independiente o autónomo del estudiante. Para ello, el estudiante contará con diversos materiales que permitirán su trabajo autónomo y la Guía de Estudio de la asignatura, que incluye orientaciones para la realización de las actividades prácticas. Asimismo, mediante la plataforma virtual de la UNED existirá un contacto continuo entre el equipo docente y los/as estudiantes, así como una interrelación entre los propios estudiantes a través de los foros, importantísimo en la enseñanza no presencial.

El estudio de esta asignatura se realizará a través de los materiales que el Equipo Docente publicará en el curso virtual.

La asignatura tiene un carácter eminentemente práctico. Se presentan contenidos fundamentales de campo del Procesamiento del Lenguaje Natural, centrándose en el uso de herramientas para abordar con facilidad problemas prácticos que se presentan al manejar información no estructurada. Estas técnicas son especialmente relevantes en los ámbitos en los que es necesario trabajar con grandes cantidades de información.
 
Se fomentará el uso de software libre siempre y cuando sea posible para la realización de las actividades y las practicas propuestas.
 
Los temas van acompañados de prácticas, en algunos casos obligatorias para aprobar la asignatura, que proporcionan al estudiante capacidad para abordar tareas de procesamiento del lenguaje en distintos ámbitos.

Las actividades formativas para el estudio de la asignatura son las siguientes: 

• Estudios de contenidos (45 horas)
• Tutorías (8 horas)
• Actividades en la plataforma virtual (2 horas)
• Prácticas informáticas (40 horas)
• Otros trabajos y examen (5 horas)
• Total:100 horas

La bibliografía básica no incluye algunos contenidos del curso. Por ello, en el entorno virtual de la asignatura se pondrá a disposición de los alumnos material de estudio complementario (presentaciones, artículos, recopilaciones y referencias a otro material disponible en la web).

Los libros propuestos se encuentran en Internet.

La plataforma de e-Learning Alf proporcionará el adecuado interfaz de interacción entre el alumno y sus profesores. Alf es una plataforma de e-Learning y colaboración que permite impartir y recibir formación, gestionar y compartir documentos, crear y participar en comunidades temáticas, así como realizar proyectos online.
 
Se ofrecerán las herramientas necesarias para que, tanto el equipo docente como el alumnado, encuentren la manera de compaginar tanto el trabajo individual como el aprendizaje cooperativo.