00_Introduccion_NLP.ipynb

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# Procesamiento del Lenguaje Natural, con Python\n",
    "\n",
    "#### Ricardo Moya García, PhD\n",
    "\n",
    "\n",
    "\n",
    "# Índice\n",
    "\n",
    "#### Tema 1: Introducción\n",
    "\n",
    "\n",
    "* ¿Qué es un Lenguaje?\n",
    "\n",
    "\n",
    "* ¿Qué es el Procesamiento del Lenguaje Natural?\n",
    "\n",
    "\n",
    "* Herramientas en Python para NLP:\n",
    "    - NLTK\n",
    "    - SpaCy\n",
    "    - Gensim\n",
    "    - Scikit\n",
    "    - TensorFlow-Keras\n",
    "\n",
    "\n",
    "#### Tema 2: NLP - Conceptos y Preprocesamiento de texto\n",
    "\n",
    "\n",
    "* Conceptos:\n",
    "\n",
    "    - Corpus\n",
    "    - Bag of Words (BoW)\n",
    "    - Tokenización\n",
    "    - N-Grammas\n",
    "    - Stemming\n",
    "    - Lematización\n",
    "    - Stop-Words\n",
    "    - Parts of Speech (PoS)\n",
    "    - Named Entity Recognition (NER)\n",
    "\n",
    "\n",
    "* Normalización de textos: Preprocesamiento\n",
    "\n",
    "\n",
    "#### Tema 3: Analisis Automático de texto subjetivo (Clasificación de textos)\n",
    "\n",
    "\n",
    "* Introducción: Clasificación de textos con Naive Bayes\n",
    "\n",
    "\n",
    "* Clasificación de textos: Algoritmos de aprendizaje para la clasificación\n",
    "\n",
    "\n",
    "* Clasificación de textos: Redes Neuronales\n",
    "\n",
    "\n",
    "#### Tema 4: Topic Modeling (Clustering)\n",
    "\n",
    "\n",
    "* LSI: Latent Semantic Index\n",
    "\n",
    "\n",
    "* LDA: Latent Dirichlet Allocation\n",
    "\n",
    "\n",
    "* Visialización: pyLDAvis\n",
    "\n",
    "\n",
    "#### Tema 5: Uso de modelos pre-entrenado en \"Hugging Face\" (Transformers)\n",
    "\n",
    "\n",
    "* Clasificación\n",
    "\n",
    "\n",
    "* Traducción\n",
    "\n",
    "\n",
    "* Resumenes de textos\n",
    "\n",
    "\n",
    "#### Tema 6: Introducción a GPT3\n",
    "\n",
    "\n",
    "<hr>\n",
    "\n",
    "\n",
    "# Tema 1: Introducción\n",
    "\n",
    "\n",
    "## ¿Qué es un Lenguaje?\n",
    "\n",
    "\n",
    "* Un Lenguajes es un conjunto potencialmente infinito de oraciones y sentencias de palabras construidas mediante reglas gramaticales, foneticas y de significación que rigen el propio lenguaje.\n",
    "\n",
    "\n",
    "* Nos encontramos con 3 tipos de lenguajes:\n",
    "<span></span><br><br>\n",
    "    - ***Lenguaje Natural***: Lengua o idioma que nace espontáneamente de un grupo de hablantes por la necesidad de establecer comunicación verbal. Ejm: Ingles, Castellano, Frances, Italiano, etc.\n",
    "<span></span><br><br>\n",
    "    - ***Lenguaje Formal***: Lenguajes diseñados para un ámbito de aplicación concreto, que se definen de manera precisa y libre de ambigüedad. Ejm: Matemático, Lógico, Musical, Programación (C, Java, Python, R, Scala, etc.)\n",
    "<span></span><br><br>\n",
    "    - ***Lenguaje Artificial***: Lenguajes diseñados antes de ser usados por sus parlantes. Es una mezcla entre los lenguajes naturales y formales. Ejm: Klingon.\n",
    "\n",
    "\n",
    "\n",
    "## ¿Qué es el Procesamiento del Lenjuaje Natural?\n",
    "\n",
    "\n",
    "* El ***Procesamiento del Lenguaje Natural*** (NLP) es un campo que combina la ***Informática***, la ***Inteligencia Artificial*** y la ***Lingüística***; que tiene como objetivo, tratar la interacción entre los lenguajes humanos (lenguajes naturales) y los dispositivos informáticos.\n",
    "\n",
    "\n",
    "* El NLP abarca los siguientes campos:\n",
    "    - Recuperación de información\n",
    "    - Extracción y categorización de información\n",
    "    - Análisis automático de texto subjetivo (Análisis de sentimientos)\n",
    "    - Traducción automática\n",
    "    - Generación del lenguaje\n",
    "    - Questions & Answering (Chatbots)\n",
    "\n",
    "\n",
    "<img src=\"./imgs/000_nlp.png\" style=\"width: 700px;\"/>\n",
    "\n",
    "\n",
    "\n",
    "## De la *Lingüística* al *Procesamiento del Lenguaje Natural*\n",
    "\n",
    "### - Lingüística\n",
    "\n",
    "\n",
    "* La ***lingüística*** es el estudio científico del lenguaje, incluyendo su gramática, semántica y fonética.\n",
    "\n",
    "\n",
    "* En términos generales, un ***lingüista*** es cualquier persona que estudia un idioma.\n",
    "\n",
    "\n",
    "### - Lingüística computacional\n",
    "\n",
    "\n",
    "* La lingüística computacional es el estudio de la lingüística utilizando las herramientas de la informática. \n",
    "\n",
    "\n",
    "### - Procesamiento estadístico del lenguaje natural\n",
    "\n",
    "\n",
    "* La lingüística computacional también se conoce con el nombre de Procesamiento del Lenguaje Natural, para reflejar el enfoque más ingenieril o empírico de los métodos estadísticos aplicados a la Lingüistica. \n",
    "\n",
    "\n",
    "* El dominio estadístico del campo, lleva a menudo a que el ***NLP*** sea descrito como ***Procesamiento Estadístico del Lenguaje Natural***, para distanciarse (en la definición) de los métodos clásicos de la lingüística computacional.\n",
    "\n",
    "\n",
    "### - Procesamiento del Lenguaje natural\n",
    "\n",
    "\n",
    "* Campo que combina la ***Informática***, la ***Inteligencia Artificial*** y la ***Lingüística***; que tiene como objetivo, tratar la interacción entre los lenguajes humanos (lenguajes naturales) y los dispositivos informáticos.\n",
    "\n",
    "\n",
    "## Herramientas en Python para el NLP\n",
    "\n",
    "\n",
    "* Aunque existen bastante librería en Python destinadas al Procesamiento del Lenguaje Natural o a resolver determinadas partes del NLP, mostramos a continuación una serie de librería que vamos a utilizar en este curso:\n",
    "<span></span><br><br>\n",
    "    - ***NLTK*** (https://www.nltk.org/): Es una librería desarrollada por Steven Bird y Edward Loper para el NLP (principalmente en Inglés) que incorpora muchas funcionalidades como, corpus, recursos léxicos, algoritmos de aprendizaje para el NLP, etc.\n",
    "<span></span><br><br>\n",
    "    - ***SpaCy*** (https://spacy.io/): Es una librería para el NLP incorpora funcionalidades como Tokenización, Lematización, PoS, NER, etc. en varios idiomas. A diferencia de NLTK que tienen fines de caracter didáctico, SpaCy esta pensado para explotarlo en entornos productivos.\n",
    "<span></span><br><br>\n",
    "    - ***Gensim*** (https://radimrehurek.com/gensim): Es una librería desarrollada por el Checo Radim Řehůřek, Ph.D, que tiene implementadas; entre otras cosas, algoritmos como el LSI y el LDA para la detección de tópicos (Topic Modeling)\n",
    "<span></span><br><br>\n",
    "    - ***Scikit*** (https://scikit-learn.org/): Es una librería que tiene implementada multitud de algoritmos de aprendizaje (regresión, clasificación, cluterización, reducción de la dimensionalidad) y funcionalidades para trabajar con estos algoritmos.\n",
    "<span></span><br><br>\n",
    "    - ***TensorFlow-Keras*** (https://www.tensorflow.org/): Es una librería desarrollada por Google para trabajar con Redes Neuronales (MLP, CNN, RNN). La versión 2 de TensorFlow hace uso del API de Keras para un desarrollo más sencillo.\n",
    "    \n",
    "    \n",
    "## Bibliografía recomendada para NLP (en Inglés)\n",
    "\n",
    "\n",
    "1. **Natural Language Processing with Python** de Steven Bird, Ewan Klein y Edward Loper. O'Reilly Media. Julio 2009.\n",
    "\n",
    "2. **Applied Text Analysis with Python**, de Benjamin Bengfort, Rebecca Bilbro y Tony Ojeda. O'Reilly Media. Junio 2018.\n",
    "\n",
    "3. **Natural Language Processing Crash Course for Beginners**, de AI Publishing. Agosto 2020.\n",
    "\n",
    "4. **Transformers for Natural Language Processing**,  de Denis Rothman. Packt Publishing. Enero 2021.\n",
    "    "
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3 (ipykernel)",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.7.11"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 2
}