Una introducción gentil al Procesamiento del Lenguaje Natural

El Procesamiento del Lenguaje Natural (Natural Language Processing, NLP) es una parte crucial de la Inteligencia Artificial, marcando la tendencia de como las personas buscan y comparten información, y su interacción con las computadoras utilizando lenguaje natural. En este curso corto los alumnos obtendrán las herramientas para convertirse en practicantes del NLP permitiendoles resolver tareas actuales de forma satisfactoria.

Objetivo

Introducir y contextualizar a los asistentes en la evolución del área del NLP abordando diversas técnicas, tareas y herramientas. Se busca que las personas asistentes obtengan un panorama general del área con un enfoque en la resolución práctica de problemas que involucren procesamiento del lenguaje (principalmente textual).

Important

Este no es un curso introductorio, nos vamo' a ir hata'bajo 🔥

Logística

Las sesiones serán divididas en dos partes; la primer parte consistirá en una revisión teoríca (breve), y la segunda parte, consistirá en poner en práctica los conceptos teóricos. Utilizaremos jupyter notebooks que es un entorno de computación interactiva de código. Al final de cada sesión se dejará un ejercicio práctico opcional para profundizar en lo visto en clase.

Fechas, horarios, lugar

• Modalidad: Presencial
• Inicio: 2-Sep-2025
• Final: 5-sep-2025
• Horario: 15:00-17:00
• Lugar: Edificio M, Anexo de la Facultad de Ingeniería (Conjunto Sur)

Instructor

• Me llamo Diego Barriga (asi es como el Sr. Barriga)
• Egresado de la FI en ~2020 con especialización en Inteligencia Artificial
• Parte del Programa de Maestría en Ciencias e Ingeniería de la Computación UNAM
  • Hice mi tesis sobre NLP aplicado a lenguas indigenas habladas en México
• Ex-Meli MLOps engineer 📦
  • En el área de prevencíon de fraude monitoreando modelos de ML a gran escala
• Mis comunidades:
  • LIDSoL 🔬
  • Elotl 🌽
  • Python CDMX 🐍
• Programo con nvim, uso arch btw!, leo scifi y ando en bici sin frenos 🚲

Pre-requisitos

• Estar familiarizadæ con python
  • Tener instalada una versión reciente de python (>=3.11)
  • Instalado y corriendo un entorno local con jupyter lab
  • Opcionalmente una cuenta de Google para usar Colab
  • Estar familiarizado con instalación de paquetes de python
• Fundamentos de Machine Learning (Opcional)

Temario

Note

Este curso es una adaptación en las notas de las clases dictadas por læs profesoræs Dra. Ximena Gutierrez-Vasques y Dr. Victor Mijangos referentes del área en la UNAM.

1. El lenguaje natural, la Inteligencia artificial y los niveles lingüísticos

• ¿Como se procesa el lenguaje natural en una computadora?
• Niveles del lenguaje
  • Fonética
  • Fonología
  • Morfología
  • Sintaxis
  • Semántica
  • Pragmática

2. Propiedades estadísticas del lenguaje y los modelos del lenguaje

• Propiedades estadísticas del lenguaje natural
• Representaciones vectoriales, enfoques clásicos
• Modelos del lenguaje estadísticos

3. Preprocesamiento de corpus y tokenización

• Técnicas de pre-procesamiento
• Normalización de textos
• Tokenizadores y subword tokenization
  • BPE
• Bibliotecas para lenguas de bajos recursos digitales

4. En la frontera del NLP

• LLMs locales con ollama
• Retrieval-augmented generation (RAG)

Bibliografía

• Dan Jurafsky y James H. Martin. Speech and Language Processing (2025 pre-release)
• Víctor Mijangos. Fundamentos de Lingüística computacional (2025 pre-release)