• Evaluación continua: 30% de la nota final.
• Examen final teórico-práctico 70 % de la nota final.

La nota de la evaluación continua será la media aritmética de los ejercicios evaluables de cada semana.
Para aprobar la asignatura es imprescindible aprobar el examen final.
Actos fraudulentos:
"La realización de una actividad evaluable (e.g. examen, trabajo, práctica) supone la aceptación del Código de Conducta Complutense sobre Responsabilidad y Honestidad intelectual (https://www.ucm.es/medicinatraslacional/file/codigo-de-conducta-complutense?ver). La detección de actos fraudulentos (e.g. suplantación, plagio, generación de documentación falsa en actos académicos) se someterá a los procedimientos de disciplina universitaria previstos académicamente y reconocidos como falta grave."

1,2

4,8

2

En esta asignatura se estudiarán los principales modelos, simbólicos, estadísticos y de inspiración biológica, para la descripción y procesamiento (análisis y generación) de las lenguas naturales en sus niveles morfológico y sintáctico. La asignatura comenzará tratando los modelos simbólicos basados en reglas (gramáticas sintagmáticas) de la teoría formal de lenguajes, y basados en autómatas.

A continuación, se tratan los modelos automáticos de análisis morfológico y sintáctico en sus versiones: estadísticas y generativas basados en reglas con probabilidad. Finalmente, se trabajarán los modelos neuronales, repasando las nociones básicas que dan lugar a representaciones vectoriales de las palabras y evolucionando hasta arquitecturas avanzadas. Se incluye una componente práctica experimentando con tareas concretas a las que se aplicarán algunas de las herramientas automáticas estudiadas.

Los requisitos de entrada en el Máster (especialidad de Lingüística computacional)
Conocimientos y/o destrezas previas recomendadas:
- Conocimientos a nivel de usuario de informática e internet.
- Programación en Python.
- Lectura de textos en inglés.
- Autoaprendizaje y planificación.
- Trabajo colaborativo.
- Pensamiento crítico.
- Aprender del error.

O1. Saber definir formalmente estructuras morfológicas o sintácticas de los lenguajes mediante gramáticas sintagmáticas

O2. Saber definir expresiones regulares para especificar secuencias textuales

O3. Conocer los tipos de autómatas y saber definir y aplicar autómatas de estados finitos para modelar lenguajes regulares

O4. Aplicación de las gramáticas independientes del contexto al modelado de estructuras sintácticas de los lenguajes naturales

O5. Conocer las estrategias básicas del análisis sintáctico basado en gramáticas sintagmáticas

O6. Saber definir y aplicar el formalismo de las Gramáticas de atributos al modelado de fenómenos lingüísticos morfológicos o sintácticos.

O7. Conocer los fundamentos de los modelos de lenguaje estadísticos basados en n-gramas.

O8. Conocer y describir los fundamentos matemáticos de las redes neuronales.

O9. (voluntario, no evaluable) Conocer y describir los fundamentos matemáticos de las representaciones vectoriales para las palabras.

O10. Saber definir y describir los principales modelos de etiquetado morfológico-sintáctico automático del lenguaje natural.

O11. Saber definir y describir modelos generativos basados en reglas con probabilidad.

O12 (voluntario, no evaluable). Conocer y describir cómo aplicar arquitecturas neuronales avanzadas para el Procesamiento del Lenguaje Natural (PLN).

O13. Experimentar con sistemas que resuelven tareas comunes en el procesamiento del lenguaje natural: etiquetado morfo-sintáctico, lematización y análisis sintáctico.

1. Introducción a los autómatas y los lenguajes formales

2. Lenguajes regulares: autómatas finitos y expresiones regulares. Aplicación al procesamiento morfológico del lenguaje

3. Lenguajes independientes del contexto: autómatas con pila y gramáticas independientes del contexto. Aplicación al procesamiento sintáctico

4. Gramáticas aumentadas: gramáticas de atributos. Aplicación al procesamiento morfo-sintáctico

5. Modelos estadísticos basados en n-gramas

6. Fundamentos de redes neuronales para PLN

7. Representación vectorial de palabras

8. Técnicas de etiquetado morfo-sintáctico automático (1)

9. Técnicas de etiquetado morfo-sintáctico automático (2) y modelos generativos con probabilidades

• Evaluación continua: 30% de la nota final.
• Examen final teórico-práctico 70 % de la nota final.

La nota de la evaluación continua será la media aritmética de los ejercicios evaluables de cada semana.
Para aprobar la asignatura es imprescindible aprobar el examen final.
Actos fraudulentos:
"La realización de una actividad evaluable (e.g. examen, trabajo, práctica) supone la aceptación del Código de Conducta Complutense sobre Responsabilidad y Honestidad intelectual (https://www.ucm.es/medicinatraslacional/file/codigo-de-conducta-complutense?ver). La detección de actos fraudulentos (e.g. suplantación, plagio, generación de documentación falsa en actos académicos) se someterá a los procedimientos de disciplina universitaria previstos académicamente y reconocidos como falta grave."

JURAFSKY, D.; MARTIN J.H. (2025). Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition with Language Models, 3rd edition. Disponible en línea (January 12, 2025) en: https://web.stanford.edu/~jurafsky/slp3.
FERNÁNDEZ FERNÁNDEZ, G.; SAEZ VACAS, F. (1987). Fundamentos de la Informática. Alianza Editorial / 1995 Anaya Multimedia. Disponible en línea en: https://oa.upm.es/22325/1/Fundamentos_de_informatica.pdf
KELLEY, Dean (2001). Teoría de autómatas y lenguajes formales. Prentice Hall, Madrid, 2001
KNUTH, D. 1968. Semantics of Context-Free Languages. Mathematical Systems Theory. Vol. 8 No.2

Procedimiento para mostrar el progreso del alumno: boletín de calificaciones de la asignatura virtual
Mecanismos de comunicación docente: foro, correo electrónico de la asignatura virtual y videoconferencia
Mecanismos de tutorización virtual: foro, correo electrónico en la asignatura virtual y videoconferencia
Mecanismos de contacto:
-Foro de la asignatura virtual que podrá complementarse cuando sea necesario con sesiones de videoconferencia. Lo atenderán los profesores de la asignatura.
-Correo electrónico institucional de los profesores en caso de que no tenga acceso al campus virtual
-Además el alumno dispone de un servicio de ayuda para las incidencias informáticas de la Universidad en https://ssii.ucm.es/estudiante