1 · El mapa del NLP
Una vista panorámica del campo — de tokens crudos a Transformers — y los seis casos de uso reales que motivan todo el track.
NLP convierte texto en vectores que un modelo puede aprender — y la progresión del campo: tokens → BOW → TF-IDF → Word2Vec → Transformers ES el mapa de este track.
Sin esto:
Te lanzarías a BERT sin entender lo que vino antes, sin captar por qué cada capa importa.
El procesamiento del lenguaje natural (NLP) es la rama del ML que trabaja con lenguaje humano. El texto es una de las fuentes de datos más ricas y abundantes del mundo — correos, reseñas, artículos, código, contratos legales, notas médicas — y sin embargo el texto crudo es completamente opaco para la mayoría de los algoritmos de ML, que esperan números.
El reto central del NLP es: ¿cómo convertimos palabras en números preservando el significado? Cada técnica de este track es una respuesta a esa pregunta, y cada respuesta es progresivamente más poderosa:
| Era | Representación | Idea clave | |---|---|---| | Tokenización | tokens crudos | Dividir texto en unidades discretas | | BOW / Bag of Words | vectores de conteo | Contar ocurrencias de tokens | | TF-IDF | conteos ponderados | Ponderar por rareza en los documentos | | Word2Vec | embeddings densos | Predecir contexto, capturar semántica | | Transformers | embeddings contextuales | Atender a toda la secuencia a la vez |
Este track cubre en profundidad las primeras cuatro eras. Los Transformers pertenecen al track de Deep Learning — pero entender el pipeline clásico es la base que hace que los Transformers tengan sentido.
El pipeline clásico de NLP — todo sistema real tiene estas etapas
Seis casos de uso canónicos de NLP — mismo pipeline, distintas salidas
¿Cuál es el PRIMER paso en cualquier pipeline de NLP?
- NLP convierte texto crudo en vectores numéricos para que los modelos de ML puedan aprender del lenguaje.
- El campo evolucionó de conteos simples de tokens (BOW) → conteos ponderados (TF-IDF) → vectores semánticos densos (Word2Vec) → embeddings contextuales (Transformers).
- La tokenización es el primer paso universal — toda técnica posterior asume que el texto ya ha sido dividido en tokens.
- Entender el pipeline clásico hace que las herramientas modernas de Transformers (Hugging Face, LangChain) sean mucho más fáciles de usar y depurar.
Cada sistema de NLP que construyas o uses comienza aquí — el pipeline que acabas de mapear es el esqueleto de todo filtro de spam, clasificador de sentimientos, chatbot y motor de búsqueda.
Si lo quitas: Sin este mapa elegirías herramientas al azar y perderías el 'por qué' detrás de la tokenización, los embeddings y la atención — los tres pilares del NLP moderno.