La Minería de Texto o 'Text Mining' (TM) hace referencia al proceso y metodología que se encarga de extraer información y patrones de interés subyacentes a un conjunto de datos de naturaleza lingüística. El TM forma parte de uno de los pilares fundamentales del Procesamiento del Lenguaje Natural o 'Natural Language Processing' (NLP), metodología que ha cobrado gran protagonismo en los últimos años en el contexto de la Ciencia de Datos e Inteligencia Artificial. A lo largo del curso, se abordarán técnicas fundamentales como el procesamiento de información, la representación vectorial de textos, la minería de opiniones y sentimientos, el modelado de temas (topic modeling), y el uso de algoritmos de aprendizaje automático aplicados al lenguaje natural. Asimismo, se prestará especial atención al tratamiento previo del lenguaje (preprocessing), a las herramientas de programación más utilizadas (como R y Python) y a la evaluación de modelos.

Conocer y adquirir las habilidades para poder:

(1) Procesar y minar información subyacente a datos con formato textual en contextos Big Data.

(2) Representar visualmente información textual que resuma los descriptivos de los datos tipo texto.

(3) Aplicar técnicas de 'clustering' y diccionarios para detectar temáticas y sentimientos subyacentes a los datos.

(4) Aplicar técnicas de aprendizaje automático a datos tipo texto.

1. Introducción: Obtención y procesamiento básico de texto.

2. Análisis exploratorio y descriptivo de texto y su representación visual.

3. Técnicas de Análisis de Sentimiento basadas en diccionarios.

4. Matrices basadas en frecuencias y Word2vec.

5. Topic Modelling.

6. Teoría de grafos aplicada a textos.

7. Machine Learning aplicado a datos de texto.

8. Transformers: few-shot y zero-shot classification.