1 · Preprocesamiento de texto
Tokeniza, normaliza, quita stopwords, raíz, lematiza y etiqueta — el preámbulo universal de todo modelo de texto.
●Track 8 · En vivo
Fundamentos de NLP
De tokens a embeddings — convierte texto en vectores que un modelo puede aprender.
Tokenización, stemming, lematización, stopwords, POS, NER, OHE, Bag of Words, n-gramas, TF-IDF, Word2Vec (CBOW + SkipGram), AvgWord2Vec. Dos proyectos end-to-end: clasificación de spam y sentimiento de reseñas Kindle.
19 / 30 lecciones5 capítulos
2 · Extracción de features
De one-hot a BOW a n-gramas — las representaciones por conteo que impulsaron la clasificación de texto durante dos décadas.
3 · TF-IDF
Pondera conteos de palabras por la frecuencia inversa de documentos — la representación clásica de texto que aún domina búsqueda y recuperación.
4 · Word embeddings
Word2Vec CBOW + Skip-Gram y la representación de documento por vector promedio — el salto conceptual de conteos dispersos a semántica densa.
5 · Proyectos NLP de principio a fin
Dos clasificadores completos: detección de spam (BOW vs TF-IDF) y sentimiento de Kindle (AvgW2V vs TF-IDF + GridSearchCV + persistencia).