Matemáticas (plan 1983) 2023-1

Optativas de los Niveles VII y VIII, Seminario Matemáticas Aplicadas I

EDIT:

El día de mañana (8 de agosto) se dará una sesión informativa para resolver todas sus dudas acerca de los temas que se estarán tocando así como los requisitos mínimos, las herramientas que necesitarán para llevar el curso, entre otras preguntas que surjan. Por ello, les pido a los interesados que me envíen un mensaje al correo saulaleph@ciencias.unam.mx para que les pueda enviar la invitación de la reunión virtual.

P.D. La sesión informativa se llevará acabo a las 7 pm (el 8 de agosto del 2022 y probablemente se tenga otra más el miércoles 10 de agosto del 2022).

FIN DEL EDIT.


Procesamiento del lenguaje natural.

En los recientes años nos hemos visto en la necesidad de procesar una cantidad gigantesca de datos y muchos de estos datos tienen información plasmada en nuestro lenguaje común y corriente: tal es el caso de artículos de investigación, libros, revistas, páginas web, actas, informes, memorandum, mensajes de texto, entre otros. Por ello, es importante desarrollar las herramientas para poder extraer la información que es relevante a nosotros y poder hacer el procesamiento de esa información en tiempo record.

En este curso se verán las herramientas esenciales para poder hacer un análisis semántico-gramatical. Además, se aprenderá a aplicar las herramientas más recientes de la Inteligencia Artificial para el procesar dichas estructuras del lenguaje y así lograr el control masivo de nuestra información.

Requerimientos

- Suficientes: Conexión a internet e instalación de Jupyter Notebook en cualquier computador y cualquier sistema operativo.

- Ideales: Conexión de banda ancha, instalación de la paquetería de Anaconda con ambiente para Jupyter Notebook.

- Mínimos: Acceso a internet y uso de Google Colab con su cuenta institucional.

- Cualquier alumno de 4 semestre para adelante de las carreras de Física, Matemáticas, Matemáticas Aplicadas, Actuaría, Ciencias de la tierra, entre otras.

TEMARIO

• Introducción a Python.

  • Instalación y entornos de trabajo

  • Creación y manipulación de variables.

    • Cadenas de texto (string), enteros (int), booleanos (bool), flotantes (float), listas y diccionarios.

    • Métodos por tipo de variable

    • Operadores y expresiones

  • Condicionales

    • if , elif, else, switch case

  • Ciclos

    • while y for

  • Funciones y anidamiento

  • Paqueterías de datos

    • Importación de paqueterías o módulos de Python

    • Numpy

      • Arreglos

    • Pandas

      • DataFrames

    • Re

      • Expresiones regulares

• Procesamiento del lenguaje natural.

  • Introducción al Procesamiento de Lenguaje Natural

    • Motivación

    • Background Matemático

      • Repaso de álgebra lineal

      • Espacios Métricos

  • Procesamiento de un Corpus para el Análisis semántico.

    • Stopwords, Tokenize, Stemming y Lematización.

    • Técnicas de Vectorización parte I.

      • CountVectorizer

      • TFIDF

    • Extracción palabras claves de un corpus utilizando TFIDF

  • Machine Learning and Deep Learning en el procesamiento del lenguaje natural.

    • Algoritmos de Machine Learning y Neuronal Networks.

      • Árboles de decisión.

      • Random Forest

      • Gráfica de una red neuronal y su estructura.

      • Construcción y entrenamiento de una neurona.

      • Técnicas de Vectorización parte II: Word2vect.

        • CBOW

        • Skip-Gram

      • Aplicaciones básicas parte I.

        • Clasificador de textos con random forest y diagramas de Voronoi

        • Chatbot

      • Long Short-Term Memory

        • Estrutura encoder decoder

        • Programación de una neurona tipo LSTM

        • Construcción de la red neuronal LSTM utilizando Keras

      • Transformers

        • All you need is (love) attention.

        • La red neuronal de un transformer

        • Técnicas de Vectorización parte III:

          • BERT embeding

          • Diagramas de Voronoi utilizando BERT embeding

      • Aplicaciones básicas parte II.

        • Traductor.

Bibilografía.

Evaluación

30% Tareas

30% Tareas Examen

40% Proyecto

Las tareas se dejarán cada viernes y se entregan una semana después.

Las tareas examen solamente tendrán 24 horas para su entrega y abarcarán los bloques más generales del temario.

El proyecto se empezará a desarrollar desde que se termine la introducción a python. Hay dos opciones: que se les asigne proyecto o que ustedes proponga el proyecto. Los proyectos se desarrollarán en equipo sin ninguna excepción.