Lección 10 del curso Álgebra Lineal para Ciencia de Datos y Machine Learning.
En la lección anterior hablamos de las proyecciones vectoriales y de los cambios de base y vimos sus aplicaciones en Ciencia de Datos y Machine Learning.
En esta lección combinaremos todo lo visto hasta el momento en esta primera parte del curso para abordar una disciplina muy interesante en el Machine Learning: el procesamiento del lenguaje natural (o NLP por sus siglas en Inglés: Natural Language Processing).
En particular veremos cómo funciona Word2Vec, un modelo de Machine Learning que permite representar texto de manera vectorial, una tarea esencial del Procesamiento del Lenguaje Natural, y usaremos este modelo para realizar un análisis básico de texto:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Como acabamos de ver en esta práctica, el Procesamiento del Lenguaje Natural busca que los computadores comprendan el lenguaje humano escrito. Dado que los computadores solo procesan números, el texto debe codificarse numéricamente, generalmente usando vectores.
Y Word2Vec utiliza una codificación que se como «embeddings» que genera una representación vectorial de las palabras manteniendo la similitud semántica entre palabras, mejorando así el análisis del lenguaje natural en comparación con técnicas más simples (como por ejemplo la codificación one-hot).
Así que con esta aplicación práctica ya hemos visto el papel tan importante que juegan los vectores en el Machine Learning y en la Ciencia de Datos, y particularmente en el procesamiento del lenguaje natural. Así que con esto terminamos este primer módulo del curso.
En el segundo módulo nos enfocaremos en las matrices. Y en particular, en la siguiente lección, comenzaremos hablando de las matrices y su importancia en la Ciencia de Datos y el Machine Learning.
Todas las lecciones del curso Álgebra Lineal para Ciencia de Datos y Machine Learning