ia.atom.xml

<?xml version="1.0" encoding="utf-8"?>
<feed xmlns="http://www.w3.org/2005/Atom"><title>Raul E. Lopez Briega - IA</title><link href="https://relopezbriega.github.io/" rel="alternate"></link><link href="/feeds/ia.atom.xml" rel="self"></link><id>https://relopezbriega.github.io/</id><updated>2017-09-23T00:00:00-03:00</updated><subtitle>Matemáticas, análisis de datos y python</subtitle><entry><title>Procesamiento del Lenguaje Natural con Python</title><link href="https://relopezbriega.github.io/blog/2017/09/23/procesamiento-del-lenguaje-natural-con-python/" rel="alternate"></link><published>2017-09-23T00:00:00-03:00</published><updated>2017-09-23T00:00:00-03:00</updated><author><name>Raul E. Lopez Briega</name></author><id>tag:relopezbriega.github.io,2017-09-23:/blog/2017/09/23/procesamiento-del-lenguaje-natural-con-python/</id><summary type="html">&lt;div class="cell border-box-sizing text_cell rendered"&gt;&lt;div class="prompt input_prompt"&gt;
&lt;/div&gt;&lt;div class="inner_cell"&gt;
&lt;div class="text_cell_render border-box-sizing rendered_html"&gt;
&lt;p&gt;&lt;img alt="NLP" title="NLP" src="https://relopezbriega.github.io/images/NLP.png" width="60%" height="60%"&gt;&lt;/p&gt;

&lt;/div&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;div class="cell border-box-sizing text_cell rendered"&gt;&lt;div class="prompt input_prompt"&gt;
&lt;/div&gt;&lt;div class="inner_cell"&gt;
&lt;div class="text_cell_render border-box-sizing rendered_html"&gt;
&lt;blockquote&gt;&lt;p&gt;"El lenguaje sirve no sólo para expresar el pensamiento, sino para hacer posibles pensamientos que no podrían existir sin él."&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;&lt;strong&gt;&lt;a href="https://es.wikipedia.org/wiki/Bertrand_Russell"&gt;Bertrand Russell&lt;/a&gt;&lt;/strong&gt;&lt;/p&gt;

&lt;/div&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;div class="cell border-box-sizing text_cell rendered"&gt;&lt;div class="prompt input_prompt"&gt;
&lt;/div&gt;&lt;div class="inner_cell"&gt;
&lt;div class="text_cell_render border-box-sizing rendered_html"&gt;
&lt;h2 id="Introducci&amp;#243;n"&gt;Introducci&amp;#243;n&lt;a class="anchor-link" href="#Introducci&amp;#243;n"&gt;&amp;#182;&lt;/a&gt;&lt;/h2&gt;&lt;p&gt;El &lt;a href="https://es.wikipedia.org/wiki/Lenguaje"&gt;lenguaje&lt;/a&gt; es una de las herramientas centrales en nuestra vida social y profesional. Entre otras cosas, actúa como un medio para transmitir ideas, información, opiniones y …&lt;/p&gt;&lt;/div&gt;&lt;/div&gt;&lt;/div&gt;</summary><content type="html">&lt;div class="cell border-box-sizing text_cell rendered"&gt;&lt;div class="prompt input_prompt"&gt;
&lt;/div&gt;&lt;div class="inner_cell"&gt;
&lt;div class="text_cell_render border-box-sizing rendered_html"&gt;
&lt;p&gt;&lt;img alt="NLP" title="NLP" src="https://relopezbriega.github.io/images/NLP.png" width="60%" height="60%"&gt;&lt;/p&gt;

&lt;/div&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;div class="cell border-box-sizing text_cell rendered"&gt;&lt;div class="prompt input_prompt"&gt;
&lt;/div&gt;&lt;div class="inner_cell"&gt;
&lt;div class="text_cell_render border-box-sizing rendered_html"&gt;
&lt;blockquote&gt;&lt;p&gt;"El lenguaje sirve no sólo para expresar el pensamiento, sino para hacer posibles pensamientos que no podrían existir sin él."&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;&lt;strong&gt;&lt;a href="https://es.wikipedia.org/wiki/Bertrand_Russell"&gt;Bertrand Russell&lt;/a&gt;&lt;/strong&gt;&lt;/p&gt;

&lt;/div&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;div class="cell border-box-sizing text_cell rendered"&gt;&lt;div class="prompt input_prompt"&gt;
&lt;/div&gt;&lt;div class="inner_cell"&gt;
&lt;div class="text_cell_render border-box-sizing rendered_html"&gt;
&lt;h2 id="Introducci&amp;#243;n"&gt;Introducci&amp;#243;n&lt;a class="anchor-link" href="#Introducci&amp;#243;n"&gt;&amp;#182;&lt;/a&gt;&lt;/h2&gt;&lt;p&gt;El &lt;a href="https://es.wikipedia.org/wiki/Lenguaje"&gt;lenguaje&lt;/a&gt; es una de las herramientas centrales en nuestra vida social y profesional. Entre otras cosas, actúa como un medio para transmitir ideas, información, opiniones y sentimientos; así como para persuadir, pedir información, o dar ordenes. Asimismo, el &lt;a href="https://es.wikipedia.org/wiki/Lenguaje"&gt;lenguaje&lt;/a&gt; humano es algo que esta en constante cambio y evolución; y que puede llegar a ser muy &lt;em&gt;ambiguo&lt;/em&gt; y &lt;em&gt;variable&lt;/em&gt;. Tomemos por ejemplo la frase &lt;em&gt;"comí una pizza con amigos"&lt;/em&gt; comparada con &lt;em&gt;"comí una pizza con aceitunas"&lt;/em&gt;; su estructura es la misma, pero su significado es totalmente distinto. De la misma manera, un mismo mensaje puede ser expresado de formas diferentes; &lt;em&gt;"comí una pizza con amigos"&lt;/em&gt; puede también ser expresado como &lt;em&gt;"compartí una pizza con amigos"&lt;/em&gt;.&lt;/p&gt;
&lt;p&gt;Los seres humanos somos muy buenos a la hora de producir e interpretar el &lt;a href="https://es.wikipedia.org/wiki/Lenguaje"&gt;lenguaje&lt;/a&gt;, podemos expresar, percibir e interpretar significados muy elaborados en fracción de segundos casi sin dificultades; pero al mismo tiempo, somos también muy malos a la hora de entender y describir formalmente las reglas que lo gobiernan. Por este motivo, entender y producir el &lt;a href="https://es.wikipedia.org/wiki/Lenguaje"&gt;lenguaje&lt;/a&gt; por medio de una &lt;em&gt;computadora&lt;/em&gt; es un problema muy difícil de resolver. Éste problema, es el campo de estudio de lo que en &lt;a href="https://iaarbook.github.io/inteligencia-artificial/"&gt;inteligencia artificial&lt;/a&gt; se conoce como &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;Procesamiento del Lenguaje Natural&lt;/a&gt; o &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;NLP&lt;/a&gt; por sus siglas en inglés.&lt;/p&gt;
&lt;h2 id="&amp;#191;Qu&amp;#233;-es-el-Procesamiento-del-Lenguaje-Natural?"&gt;&amp;#191;Qu&amp;#233; es el Procesamiento del Lenguaje Natural?&lt;a class="anchor-link" href="#&amp;#191;Qu&amp;#233;-es-el-Procesamiento-del-Lenguaje-Natural?"&gt;&amp;#182;&lt;/a&gt;&lt;/h2&gt;&lt;p&gt;El &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;Procesamiento del Lenguaje Natural&lt;/a&gt; o &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;NLP&lt;/a&gt;  es una disciplina que se encuentra en la intersección de varias ciencias, tales como las &lt;a href="https://es.wikipedia.org/wiki/Ciencias_de_la_computaci%C3%B3n"&gt;Ciencias de la Computación&lt;/a&gt;, la &lt;a href="https://iaarbook.github.io/"&gt;Inteligencia Artificial&lt;/a&gt; y &lt;a href="https://es.wikipedia.org/wiki/Psicolog%C3%ADa_cognitiva"&gt;Psicología Cognitiva&lt;/a&gt;. Su idea central es la de darle a las máquinas la capacidad de leer y comprender los idiomas que hablamos los humanos. La investigación del &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;Procesamiento del Lenguaje Natural&lt;/a&gt; tiene como objetivo responder a la pregunta de cómo las personas son capaces de comprender el significado de una oración oral / escrita y cómo las personas entienden lo que sucedió, cuándo y dónde sucedió; y las diferencias entre una suposición, una creencia o un hecho.&lt;/p&gt;
&lt;p&gt;En general, en &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;Procesamiento del Lenguaje Natural&lt;/a&gt; se utilizan seis niveles de comprensión con el objetivo de descubrir el significado del discurso. Estos niveles son:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Nivel fonético:&lt;/strong&gt; Aquí se presta atención a la &lt;a href="https://es.wikipedia.org/wiki/Fon%C3%A9tica"&gt;fonética&lt;/a&gt;, la forma en que las palabras son pronunciadas. Este nivel es importante cuando procesamos la palabra hablada, no así cuando trabajamos con texto escrito.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Nivel morfológico:&lt;/strong&gt; Aquí nos interesa realizar un análisis &lt;a href="https://es.wikipedia.org/wiki/Morfolog%C3%ADa_ling%C3%BC%C3%ADstica"&gt;morfológico&lt;/a&gt; del discurso; estudiar la estructura de las palabras para delimitarlas y clasificarlas.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Nivel sintáctico:&lt;/strong&gt; Aquí se realiza un análisis de &lt;a href="https://es.wikipedia.org/wiki/Sintaxis"&gt;sintaxis&lt;/a&gt;, el cual  incluye la acción de dividir una oración en cada uno de sus componentes.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Nivel semántico:&lt;/strong&gt; Este nivel es un complemente del anterior, en el análisis &lt;a href="https://es.wikipedia.org/wiki/Sem%C3%A1ntica"&gt;semántico&lt;/a&gt; se busca entender el significado de la oración. Las palabras pueden tener múltiples significados, la idea es identificar el significado apropiado por medio del contexto de la oración.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Nivel discursivo:&lt;/strong&gt; El nivel discursivo examina el significado de la oración en relación a otra oración en el texto o párrafo del mismo documento.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Nivel pragmático:&lt;/strong&gt; Este nivel se ocupa del análisis de oraciones y cómo se usan en diferentes situaciones. Además, también cómo su significado cambia dependiendo de la situación.&lt;/p&gt;
&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;Todos los niveles descritos aquí son inseparables y se complementan entre sí. El objetivo de los sistemas de &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;NLP&lt;/a&gt; es incluir estas definiciones en una &lt;em&gt;computadora&lt;/em&gt; y luego usarlas para crear una oración estructurada y sin ambigüedades con un significado bien definido.&lt;/p&gt;
&lt;h2 id="Aplicaciones-del-Procesamiento-del-Lenguaje-Natural"&gt;Aplicaciones del Procesamiento del Lenguaje Natural&lt;a class="anchor-link" href="#Aplicaciones-del-Procesamiento-del-Lenguaje-Natural"&gt;&amp;#182;&lt;/a&gt;&lt;/h2&gt;&lt;p&gt;Los algoritmos de &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;Procesamiento del Lenguaje Natural&lt;/a&gt; suelen basarse en algoritmos de &lt;a href="https://iaarbook.github.io/machine-learning/"&gt;aprendizaje automático&lt;/a&gt;. En lugar de codificar manualmente grandes conjuntos de reglas, el &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;NLP&lt;/a&gt; puede confiar en el &lt;a href="https://iaarbook.github.io/machine-learning/"&gt;aprendizaje automático&lt;/a&gt; para aprender estas reglas automáticamente analizando un conjunto de ejemplos y haciendo una &lt;a href="https://es.wikipedia.org/wiki/Estad%C3%ADstica_inferencial"&gt;inferencia estadística&lt;/a&gt;. En general, cuanto más datos analizados, más preciso será el modelo. Estos algoritmos pueden ser utilizados en algunas de las siguientes aplicaciones:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Resumir texto:&lt;/strong&gt; Podemos utilizar los modelos de &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;NLP&lt;/a&gt; para extraer las ideas más importantes y centrales mientras ignoramos la información irrelevante.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Crear chatbots:&lt;/strong&gt; Podemos utilizar las técnicas de &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;NLP&lt;/a&gt; para crear &lt;a href="https://iaarhub.github.io/capacitacion/2017/04/09/31-herramientas-que-te-ayudaran-a-crear-tu-propio-chatbot/"&gt;chatbots&lt;/a&gt; que puedan interactuar con las personas.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Generar automáticamente &lt;a href="https://es.wikipedia.org/wiki/Etiquetado_gramatical"&gt;etiquetas de palabras clave&lt;/a&gt;&lt;/strong&gt;: Con &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;NLP&lt;/a&gt; también podemos realizar un análisis de contenido aprovechando el algoritmo de &lt;a href="https://es.wikipedia.org/wiki/Latent_Dirichlet_Allocation"&gt;LDA&lt;/a&gt; para asignar palabras claves a párrafos del texto.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;&lt;a href="https://es.wikipedia.org/wiki/Reconocimiento_de_entidades_nombradas"&gt;Reconocer entidades&lt;/a&gt;&lt;/strong&gt;: Con &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;NLP&lt;/a&gt; podemos identificar a las distintas entidades del texto como ser una persona, lugar u organización.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;&lt;a href="https://es.wikipedia.org/wiki/An%C3%A1lisis_de_sentimiento"&gt;Análisis de sentimiento&lt;/a&gt;&lt;/strong&gt;: También podemos utilizar &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;NLP&lt;/a&gt; para identificar el &lt;em&gt;sentimiento&lt;/em&gt; de una cadena de texto, desde muy negativo a neutral y a muy positivo.&lt;/p&gt;
&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id="Librer&amp;#237;as-de-Python-para-Procesamiento-del-Lenguaje-Natural"&gt;Librer&amp;#237;as de Python para Procesamiento del Lenguaje Natural&lt;a class="anchor-link" href="#Librer&amp;#237;as-de-Python-para-Procesamiento-del-Lenguaje-Natural"&gt;&amp;#182;&lt;/a&gt;&lt;/h2&gt;&lt;p&gt;Actualmente, &lt;a href="https://www.python.org/"&gt;Python&lt;/a&gt; es uno de los lenguajes más populares para trabajar en el campo la &lt;a href="https://iaarbook.github.io/"&gt;Inteligencia Artificial&lt;/a&gt;. Para abordar los problemas relacionados con el &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;Procesamiento del Lenguaje Natural&lt;/a&gt; &lt;a href="https://www.python.org/"&gt;Python&lt;/a&gt; nos proporciona las siguientes librerías:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="https://www.nltk.org/"&gt;NLTK&lt;/a&gt;:&lt;/strong&gt; Es la librería líder para el &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;Procesamiento del Lenguaje Natural&lt;/a&gt;. Proporciona interfaces fáciles de usar a más de &lt;em&gt;&lt;a href="https://nltk.org/nltk_data/"&gt;50 corpus&lt;/a&gt;&lt;/em&gt; y recursos léxicos, junto con un conjunto de bibliotecas de procesamiento de texto para la clasificación, tokenización, el etiquetado, el análisis y el razonamiento semántico.&lt;/li&gt;
&lt;/ul&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="http://textblob.readthedocs.io/en/dev/"&gt;TextBlob&lt;/a&gt;:&lt;/strong&gt; &lt;a href="http://textblob.readthedocs.io/en/dev/"&gt;TextBlob&lt;/a&gt; simplifica el procesamiento de texto proporcionando una interfaz intuitiva a &lt;a href="https://www.nltk.org/"&gt;NLTK&lt;/a&gt;. Posee una suave curva de aprendizaje al mismo tiempo que cuenta con una sorprendente cantidad de funcionalidades.&lt;/li&gt;
&lt;/ul&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="https://stanfordnlp.github.io/CoreNLP/"&gt;Stanford CoreNLP&lt;/a&gt;:&lt;/strong&gt; Paquete desarrollado por la universidad de &lt;a href="http://web.stanford.edu/class/cs224n/"&gt;Stanford&lt;/a&gt;, para muchos constituye el estado del arte sobre las técnicas tradicionales de &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;Procesamiento del Lenguaje Natural&lt;/a&gt;. Si bien esta escrita en Java, posee una &lt;a href="https://github.com/stanfordnlp/python-stanford-corenlp"&gt;interface con Python&lt;/a&gt;.&lt;/li&gt;
&lt;/ul&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="https://spacy.io/"&gt;Spacy&lt;/a&gt;:&lt;/strong&gt; Es una librería relativamente nueva que sobresale por su facilidad de uso y su velocidad a la hora de realizar el procesamiento de texto.&lt;/li&gt;
&lt;/ul&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="http://textacy.readthedocs.io/en/latest/"&gt;Textacy&lt;/a&gt;:&lt;/strong&gt; Esta es una librería de alto nivel diseñada sobre &lt;a href="https://spacy.io/"&gt;Spacy&lt;/a&gt; con la idea de facilitar aun más las tareas relacionadas con el &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;Procesamiento del Lenguaje Natural&lt;/a&gt;.&lt;/li&gt;
&lt;/ul&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="https://radimrehurek.com/gensim/intro.html"&gt;Gensim&lt;/a&gt;:&lt;/strong&gt; Es una librería diseñada para extraer automáticamente los temas semánticos de los documentos de la forma más eficiente y con menos complicaciones posible.&lt;/li&gt;
&lt;/ul&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="https://pyldavis.readthedocs.io/en/latest/readme.html"&gt;pyLDAvis&lt;/a&gt;:&lt;/strong&gt; Esta librería está diseñado para ayudar a los usuarios a interpretar los temas que surgen de un análisis de tópicos. Nos permite visualizar en forma muy sencilla cada uno de los temas incluidos en el texto.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;Como veremos, el &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;NLP&lt;/a&gt; también se está sumando a la popularidad del &lt;a href="https://relopezbriega.github.io/blog/2017/06/13/introduccion-al-deep-learning/"&gt;Deep Learning&lt;/a&gt;, por lo que muchos de los &lt;a href="https://iaarbook.github.io/python/#frameworks-para-deep-learning"&gt;frameworks&lt;/a&gt; que se utilizan en &lt;a href="https://relopezbriega.github.io/blog/2017/06/13/introduccion-al-deep-learning/"&gt;Deep Learning&lt;/a&gt; pueden ser aplicados para realizar modelos de &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;NLP&lt;/a&gt;.&lt;/p&gt;
&lt;h2 id="Corpus-ling&amp;#252;&amp;#237;stico"&gt;Corpus ling&amp;#252;&amp;#237;stico&lt;a class="anchor-link" href="#Corpus-ling&amp;#252;&amp;#237;stico"&gt;&amp;#182;&lt;/a&gt;&lt;/h2&gt;&lt;p&gt;Hoy en día, es indispensable el uso de buenos recursos lingüísticos para el desarrollo de los sistemas de &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;NLP&lt;/a&gt;. Estos recursos son esenciales para la creación de gramáticas, en el marco de aproximaciones simbólicas; o para llevar a cabo la formación de módulos basados en el &lt;a href="https://iaarbook.github.io/machine-learning/"&gt;aprendizaje automático&lt;/a&gt;.&lt;/p&gt;
&lt;p&gt;Un &lt;a href="https://es.wikipedia.org/wiki/Corpus_ling%C3%BC%C3%ADstico"&gt;corpus lingüístico&lt;/a&gt; es un conjunto amplio y estructurado de ejemplos reales de uso de la lengua. Estos ejemplos pueden ser textos (los más comunes), o muestras orales (generalmente transcritas). Un &lt;a href="https://es.wikipedia.org/wiki/Corpus_ling%C3%BC%C3%ADstico"&gt;corpus lingüístico&lt;/a&gt; es un conjunto de textos relativamente grande, creado independientemente de sus posibles formas o usos. Es decir, en cuanto a su estructura, variedad y complejidad, un &lt;a href="https://es.wikipedia.org/wiki/Corpus_ling%C3%BC%C3%ADstico"&gt;corpus&lt;/a&gt; debe reflejar una lengua, o su modalidad, de la forma más exacta posible; en cuanto a su uso, preocuparse de que su representación sea real. La idea es que representen al lenguaje de la mejor forma posible para que los modelos de &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;NLP&lt;/a&gt; puedan aprender los patrones necesarios para entender el &lt;a href="https://es.wikipedia.org/wiki/Lenguaje"&gt;lenguaje&lt;/a&gt;. Encontrar un buen &lt;a href="https://es.wikipedia.org/wiki/Corpus_ling%C3%BC%C3%ADstico"&gt;corpus&lt;/a&gt; sobre el cual trabajar no suele ser una tarea sencilla; un &lt;a href="https://es.wikipedia.org/wiki/Corpus_ling%C3%BC%C3%ADstico"&gt;corpus&lt;/a&gt; que se suele utilizar para entrenar modelos es el que incluye la información extraída de &lt;a href="https://dumps.wikimedia.org/eswiki/latest/"&gt;wikipedia&lt;/a&gt;.&lt;/p&gt;
&lt;h2 id="Procesamiento-del-Lenguaje-Natural-con-Python"&gt;Procesamiento del Lenguaje Natural con Python&lt;a class="anchor-link" href="#Procesamiento-del-Lenguaje-Natural-con-Python"&gt;&amp;#182;&lt;/a&gt;&lt;/h2&gt;&lt;p&gt;Hasta aquí la introducción, ahora llegó el momento de ensuciarse un poco las manos y comenzar a explorar algunos ejemplos de las herramientas que nos ofrece &lt;a href="https://www.python.org/"&gt;Python&lt;/a&gt; para trabajar con problemas de &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;Procesamiento del Lenguaje Natural&lt;/a&gt;. Comencemos por ejemplo, descargando el &lt;a href="https://es.wikipedia.org/wiki/Corpus_ling%C3%BC%C3%ADstico"&gt;corpus&lt;/a&gt; de &lt;a href="https://dumps.wikimedia.org/eswiki/latest/"&gt;wikipedia&lt;/a&gt; en español. Esto lo podemos hacer fácilmente utilizando &lt;a href="http://textacy.readthedocs.io/en/latest/"&gt;Textacy&lt;/a&gt;.&lt;/p&gt;

&lt;/div&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[1]:&lt;/div&gt;

&lt;div class="collapseheader inner_cell"&gt;&lt;span style="font-weight: bold;"&gt;Ver Código&lt;/span&gt;
&lt;div class="input_area" style="display:none"&gt;
&lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# Importando las librerías que vamos a utilizar&lt;/span&gt;
&lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="nn"&gt;pandas&lt;/span&gt; &lt;span class="k"&gt;as&lt;/span&gt; &lt;span class="nn"&gt;pd&lt;/span&gt;
&lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="nn"&gt;numpy&lt;/span&gt; &lt;span class="k"&gt;as&lt;/span&gt; &lt;span class="nn"&gt;np&lt;/span&gt; 
&lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="nn"&gt;matplotlib.pyplot&lt;/span&gt; &lt;span class="k"&gt;as&lt;/span&gt; &lt;span class="nn"&gt;plt&lt;/span&gt; 
&lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="nn"&gt;textacy&lt;/span&gt;
&lt;span class="kn"&gt;from&lt;/span&gt; &lt;span class="nn"&gt;textacy.datasets&lt;/span&gt; &lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;Wikipedia&lt;/span&gt;
&lt;span class="kn"&gt;from&lt;/span&gt; &lt;span class="nn"&gt;collections&lt;/span&gt; &lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;Counter&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;defaultdict&lt;/span&gt;
&lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="nn"&gt;warnings&lt;/span&gt;&lt;span class="p"&gt;;&lt;/span&gt; &lt;span class="n"&gt;warnings&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;simplefilter&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;ignore&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;

&lt;span class="c1"&gt;# graficos incrustados&lt;/span&gt;
&lt;span class="o"&gt;%&lt;/span&gt;&lt;span class="k"&gt;matplotlib&lt;/span&gt; inline

&lt;span class="c1"&gt;# función auxiliar&lt;/span&gt;
&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;leer_texto&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;texto&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt;
    &lt;span class="sd"&gt;&amp;quot;&amp;quot;&amp;quot;Funcion auxiliar para leer un archivo de texto&amp;quot;&amp;quot;&amp;quot;&lt;/span&gt;
    &lt;span class="k"&gt;with&lt;/span&gt; &lt;span class="nb"&gt;open&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;texto&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="s1"&gt;&amp;#39;r&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="k"&gt;as&lt;/span&gt; &lt;span class="n"&gt;text&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
        &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="n"&gt;text&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;read&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[2]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# Descargando copus de wikipedia&lt;/span&gt;
&lt;span class="n"&gt;wp&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;Wikipedia&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;data_dir&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;/home/raul/Documents/data&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;lang&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;es&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;version&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;latest&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="n"&gt;wp&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;download&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[3]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# Chequeando la información descargada&lt;/span&gt;
&lt;span class="n"&gt;wp&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;info&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt output_prompt"&gt;Out[3]:&lt;/div&gt;




&lt;div class="output_text output_subarea output_execute_result"&gt;
&lt;pre class="ipynb"&gt;{&amp;#39;data_dir&amp;#39;: &amp;#39;/home/raul/Documents/data&amp;#39;,
 &amp;#39;description&amp;#39;: &amp;#39;All articles for a given language- and version-specific Wikipedia site snapshot.&amp;#39;,
 &amp;#39;name&amp;#39;: &amp;#39;wikipedia&amp;#39;,
 &amp;#39;site_url&amp;#39;: &amp;#39;https://meta.wikimedia.org/wiki/Data_dumps&amp;#39;}&lt;/pre&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[4]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;text&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;wp&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;texts&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;min_len&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mi"&gt;1000&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;limit&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mi"&gt;2&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt;
    &lt;span class="nb"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;text&lt;/span&gt;&lt;span class="p"&gt;[:&lt;/span&gt;&lt;span class="mi"&gt;375&lt;/span&gt;&lt;span class="p"&gt;],&lt;/span&gt; &lt;span class="s2"&gt;&amp;quot;&lt;/span&gt;&lt;span class="se"&gt;\n&lt;/span&gt;&lt;span class="s2"&gt;&amp;quot;&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt"&gt;&lt;/div&gt;


&lt;div class="output_subarea output_stream output_stdout output_text"&gt;
&lt;pre class="ipynb"&gt;Andorra

Andorra, oficialmente Principado de Andorra , es un pequeño país soberano del suroeste de Europa. Constituido en Estado independiente, de derecho, democrático y social, cuya forma de gobierno es el coprincipado parlamentario. Su territorio está organizado en siete parroquias, con una población total en 2016 de 78.264 habitantes. Su capital es Andorra la Vieja.

Ti 

Argentina

La República Argentina, conocida simplemente como Argentina, es un país soberano de América del Sur, ubicado en el extremo sur y sudeste de dicho subcontinente. Adopta la forma de gobierno republicana, representativa y federal.

El Estado argentino es un Estado federal descentralizado, integrado por un Estado nacional y veintitrés estados provinciales autónomos  

&lt;/pre&gt;
&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing text_cell rendered"&gt;&lt;div class="prompt input_prompt"&gt;
&lt;/div&gt;&lt;div class="inner_cell"&gt;
&lt;div class="text_cell_render border-box-sizing rendered_html"&gt;
&lt;p&gt;Como podemos ver, con la ayuda de &lt;a href="http://textacy.readthedocs.io/en/latest/"&gt;Textacy&lt;/a&gt; es muy fácil descargar la información de &lt;a href="https://dumps.wikimedia.org/eswiki/latest/"&gt;wikipedia&lt;/a&gt; para luego poder utilizarla de base para nuestro &lt;a href="https://es.wikipedia.org/wiki/Corpus_ling%C3%BC%C3%ADstico"&gt;corpus&lt;/a&gt;. Veamos otros problemas que también podemos resolver con la ayuda de &lt;a href="http://textacy.readthedocs.io/en/latest/"&gt;Textacy&lt;/a&gt;; como ser los casos de detectar el idioma o de procesar todo un texto y analizarlo.&lt;/p&gt;

&lt;/div&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[5]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# Detectando el idioma con taxtacy&lt;/span&gt;
&lt;span class="n"&gt;saludos&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="s2"&gt;&amp;quot;Hola&amp;quot;&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="s2"&gt;&amp;quot;Hello&amp;quot;&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="s2"&gt;&amp;quot;Bonjour&amp;quot;&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="s2"&gt;&amp;quot;Guten Tag&amp;quot;&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="s2"&gt;&amp;quot;Buon giorno&amp;quot;&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="s2"&gt;&amp;quot;Bom dia&amp;quot;&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
&lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;saludo&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;saludos&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
    &lt;span class="nb"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;textacy&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;text_utils&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;detect_language&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;saludo&lt;/span&gt;&lt;span class="p"&gt;))&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt"&gt;&lt;/div&gt;


&lt;div class="output_subarea output_stream output_stdout output_text"&gt;
&lt;pre class="ipynb"&gt;es
en
fr
de
it
pt
&lt;/pre&gt;
&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[6]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# Cargando el modelo en español de spacy&lt;/span&gt;
&lt;span class="n"&gt;nlp&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;textacy&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;data&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;spacy&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;load&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;es_core_web_md&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[7]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# detalle de stop words&lt;/span&gt;
&lt;span class="c1"&gt;# las stop words son las palabras más comunes de un corpus que en general&lt;/span&gt;
&lt;span class="c1"&gt;# queremos eliminar porque no son significativas para un análisis.&lt;/span&gt;
&lt;span class="c1"&gt;# Ocurren muchas veces, pero aportan muy poca información&lt;/span&gt;
&lt;span class="n"&gt;stop&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nb"&gt;list&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;textacy&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;data&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;spacy&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;es&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;STOP_WORDS&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="n"&gt;stop&lt;/span&gt;&lt;span class="p"&gt;[:&lt;/span&gt;&lt;span class="mi"&gt;15&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt output_prompt"&gt;Out[7]:&lt;/div&gt;




&lt;div class="output_text output_subarea output_execute_result"&gt;
&lt;pre class="ipynb"&gt;[&amp;#39;cuanto&amp;#39;,
 &amp;#39;sera&amp;#39;,
 &amp;#39;trabajo&amp;#39;,
 &amp;#39;tan&amp;#39;,
 &amp;#39;ya&amp;#39;,
 &amp;#39;claro&amp;#39;,
 &amp;#39;encuentra&amp;#39;,
 &amp;#39;arriba&amp;#39;,
 &amp;#39;despacio&amp;#39;,
 &amp;#39;primero&amp;#39;,
 &amp;#39;pocas&amp;#39;,
 &amp;#39;tiempo&amp;#39;,
 &amp;#39;aquéllos&amp;#39;,
 &amp;#39;días&amp;#39;,
 &amp;#39;enseguida&amp;#39;]&lt;/pre&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[8]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# Procesando un texto &lt;/span&gt;
&lt;span class="c1"&gt;# Procesando 1984 de George Orwell - mi novela favorita&lt;/span&gt;
&lt;span class="n"&gt;texto&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;leer_texto&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;ORWELL_1984.txt&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="n"&gt;texto_procesado&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;nlp&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;texto&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[9]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# Cuántas sentencias hay en el texto?&lt;/span&gt;
&lt;span class="n"&gt;sentencias&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="n"&gt;s&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;s&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;texto_procesado&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;sents&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
&lt;span class="nb"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="nb"&gt;len&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;sentencias&lt;/span&gt;&lt;span class="p"&gt;))&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt"&gt;&lt;/div&gt;


&lt;div class="output_subarea output_stream output_stdout output_text"&gt;
&lt;pre class="ipynb"&gt;8114
&lt;/pre&gt;
&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[10]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# imprimir las primeras 10 sentencias para verificar el texto&lt;/span&gt;
&lt;span class="nb"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;sentencias&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;&lt;span class="mi"&gt;11&lt;/span&gt;&lt;span class="p"&gt;])&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt"&gt;&lt;/div&gt;


&lt;div class="output_subarea output_stream output_stdout output_text"&gt;
&lt;pre class="ipynb"&gt;[Winston Smith, con la barbilla clavada en el pecho en su esfuerzo por burlar el molestísimo viento, se deslizó rápidamente por entre las puertas de cristal de las Casas de la Victoria, aunque, no con la suficiente rapidez para evitar que una ráfaga polvorienta se colara con él.
, El vestíbulo olía a legumbres cocidas y a esteras viejas., Al fondo, un cartel de colores, demasiado grande para hallarse en un interior, estaba pegado a la pared., Representaba sólo un enorme rostro de más de un metro de anchura: la cara de un hombre de unos cuarenta y cinco años con un gran bigote negro y facciones hermosas y endurecidas., Winston se dirigió hacia las escaleras., Era inútil intentar subir en el ascensor., No funcionaba con frecuencia y en esta época la corriente se cortaba durante las horas de día., Esto era parte de las restricciones con que se preparaba la Semana del Odio., Winston tenía que subir a un séptimo piso.]
&lt;/pre&gt;
&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[11]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# sentencias con las que aparece el Gran Hermano&lt;/span&gt;
&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="n"&gt;sent&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;sent&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;texto_procesado&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;sents&lt;/span&gt; &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="s1"&gt;&amp;#39;Gran Hermano&amp;#39;&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;sent&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;string&lt;/span&gt;&lt;span class="p"&gt;][&lt;/span&gt;&lt;span class="o"&gt;-&lt;/span&gt;&lt;span class="mi"&gt;10&lt;/span&gt;&lt;span class="p"&gt;:]&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt output_prompt"&gt;Out[11]:&lt;/div&gt;




&lt;div class="output_text output_subarea output_execute_result"&gt;
&lt;pre class="ipynb"&gt;[—¿Morirá el Gran Hermano?,
 ael Gran Hermano.,
 Pensó en el Gran Hermano.,
 ¿Cuáles eran sus verdaderos sentimientos hacia el Gran Hermano?,
 Dime: ¿cuáles son los verdaderos sentimientos que te inspira el Gran Hermano?,
 Tienes que amar ael Gran Hermano.,
 l Gran Hermano.,
 l Gran Hermano.,
 Amaba ael Gran Hermano.
 
 
 
 
 ,
 Hubiera sido posible, por ejemplo, decir el «Gran Hermano inbueno».]&lt;/pre&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[12]:&lt;/div&gt;

&lt;div class="collapseheader inner_cell"&gt;&lt;span style="font-weight: bold;"&gt;Ver Código&lt;/span&gt;
&lt;div class="input_area" style="display:none"&gt;
&lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;encontrar_personajes&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;doc&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt;
    &lt;span class="sd"&gt;&amp;quot;&amp;quot;&amp;quot;&lt;/span&gt;
&lt;span class="sd"&gt;    Devuelve una lista de los personajes de un `doc` con su cantidad de&lt;/span&gt;
&lt;span class="sd"&gt;    ocurrencias&lt;/span&gt;
&lt;span class="sd"&gt;    &lt;/span&gt;
&lt;span class="sd"&gt;    :param doc: NLP documento parseado por Spacy&lt;/span&gt;
&lt;span class="sd"&gt;    :return: Lista de Tuplas con la forma&lt;/span&gt;
&lt;span class="sd"&gt;        [(&amp;#39;winston&amp;#39;, 686), (&amp;quot;o&amp;#39;brien&amp;quot;, 135), (&amp;#39;julia&amp;#39;, 85),]&lt;/span&gt;
&lt;span class="sd"&gt;    &amp;quot;&amp;quot;&amp;quot;&lt;/span&gt;
    
    &lt;span class="n"&gt;personajes&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;Counter&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt;
    &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;ent&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;doc&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;ents&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
        &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;ent&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;label_&lt;/span&gt; &lt;span class="o"&gt;==&lt;/span&gt; &lt;span class="s1"&gt;&amp;#39;PERSON&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
            &lt;span class="n"&gt;personajes&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="n"&gt;ent&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;lemma_&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt; &lt;span class="o"&gt;+=&lt;/span&gt; &lt;span class="mi"&gt;1&lt;/span&gt;
            
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="n"&gt;personajes&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;most_common&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[13]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# Extrayendo los personajes principales del texto y contando cuantas veces&lt;/span&gt;
&lt;span class="c1"&gt;# son nombrados.&lt;/span&gt;
&lt;span class="nb"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;encontrar_personajes&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;texto_procesado&lt;/span&gt;&lt;span class="p"&gt;)[:&lt;/span&gt;&lt;span class="mi"&gt;20&lt;/span&gt;&lt;span class="p"&gt;])&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt"&gt;&lt;/div&gt;


&lt;div class="output_subarea output_stream output_stdout output_text"&gt;
&lt;pre class="ipynb"&gt;[(&amp;#39;winston&amp;#39;, 686), (&amp;#34;o&amp;#39;brien&amp;#34;, 135), (&amp;#39;julia&amp;#39;, 85), (&amp;#39;partido&amp;#39;, 85), (&amp;#39;parsons&amp;#39;, 36), (&amp;#39;syme&amp;#39;, 29), (&amp;#39;goldstein&amp;#39;, 29), (&amp;#39;pensamiento&amp;#39;, 22), (&amp;#39;odio&amp;#39;, 13), (&amp;#39;ministerio&amp;#39;, 13), (&amp;#39;&amp;#39;, 11), (&amp;#39;katharine&amp;#39;, 11), (&amp;#39;winston ?&amp;#39;, 10), (&amp;#39;rutherford&amp;#39;, 9), (&amp;#39;ogilvy&amp;#39;, 8), (&amp;#39;aaronson&amp;#39;, 8), (&amp;#39;charrington&amp;#39;, 8), (&amp;#39;—la&amp;#39;, 7), (&amp;#39;withers&amp;#39;, 6), (&amp;#39;ingsoc&amp;#39;, 6)]
&lt;/pre&gt;
&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[14]:&lt;/div&gt;

&lt;div class="collapseheader inner_cell"&gt;&lt;span style="font-weight: bold;"&gt;Ver Código&lt;/span&gt;
&lt;div class="input_area" style="display:none"&gt;
&lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;obtener_adj_pers&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;doc&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;personaje&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt;
    &lt;span class="sd"&gt;&amp;quot;&amp;quot;&amp;quot;&lt;/span&gt;
&lt;span class="sd"&gt;    Encontrar todos los adjetivos relacionados a un personaje en un `doc`&lt;/span&gt;
&lt;span class="sd"&gt;    &lt;/span&gt;
&lt;span class="sd"&gt;    :param doc: NLP documento parseado por Spacy&lt;/span&gt;
&lt;span class="sd"&gt;    :param personaje: un objeto String &lt;/span&gt;
&lt;span class="sd"&gt;    :return: lista de adjetivos relacionados a un `personaje`&lt;/span&gt;
&lt;span class="sd"&gt;    &amp;quot;&amp;quot;&amp;quot;&lt;/span&gt;
    
    &lt;span class="n"&gt;adjetivos&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="p"&gt;[]&lt;/span&gt;
    &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;ent&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;doc&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;ents&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
        &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;ent&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;lemma_&lt;/span&gt; &lt;span class="o"&gt;==&lt;/span&gt; &lt;span class="n"&gt;personaje&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
            &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;token&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;ent&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;subtree&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
                &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;token&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;pos_&lt;/span&gt; &lt;span class="o"&gt;==&lt;/span&gt; &lt;span class="s1"&gt;&amp;#39;ADJ&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
                    &lt;span class="n"&gt;adjetivos&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;append&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;token&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;lemma_&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
    
    &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;ent&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;doc&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;ents&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
        &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;ent&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;lemma_&lt;/span&gt; &lt;span class="o"&gt;==&lt;/span&gt; &lt;span class="n"&gt;personaje&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
            &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;ent&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;root&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;dep_&lt;/span&gt; &lt;span class="o"&gt;==&lt;/span&gt; &lt;span class="s1"&gt;&amp;#39;nsubj&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
                &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;child&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;ent&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;root&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;head&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;children&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
                    &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;child&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;dep_&lt;/span&gt; &lt;span class="o"&gt;==&lt;/span&gt; &lt;span class="s1"&gt;&amp;#39;acomp&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
                        &lt;span class="n"&gt;adjetivos&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;append&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;child&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;lemma_&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
    
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="n"&gt;adjetivos&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[15]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# Encontrar adjetivos que describen a algún personaje.&lt;/span&gt;
&lt;span class="nb"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;obtener_adj_pers&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;texto_procesado&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="s2"&gt;&amp;quot;winston&amp;quot;&lt;/span&gt;&lt;span class="p"&gt;))&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt"&gt;&lt;/div&gt;


&lt;div class="output_subarea output_stream output_stdout output_text"&gt;
&lt;pre class="ipynb"&gt;[&amp;#39;superior&amp;#39;, &amp;#39;separado&amp;#39;, &amp;#39;fuertes&amp;#39;, &amp;#39;abierto&amp;#39;, &amp;#39;oscura&amp;#39;, &amp;#39;dirigiéndose&amp;#39;, &amp;#39;negro&amp;#39;, &amp;#39;saltones&amp;#39;, &amp;#39;tristes&amp;#39;, &amp;#39;burlones&amp;#39;, &amp;#39;solo&amp;#39;, &amp;#39;humano&amp;#39;, &amp;#39;sostenemos&amp;#39;, &amp;#39;dubitativo&amp;#39;, &amp;#39;completa&amp;#39;, &amp;#39;definitiva&amp;#39;, &amp;#39;sobresaltado&amp;#39;, &amp;#39;fascinado&amp;#39;, &amp;#39;extraña&amp;#39;, &amp;#39;sobrado&amp;#39;, &amp;#39;propio&amp;#39;, &amp;#39;solos&amp;#39;, &amp;#39;joven&amp;#39;, &amp;#39;sorprendido&amp;#39;, &amp;#39;sorprendido&amp;#39;, &amp;#39;hermosa&amp;#39;, &amp;#39;breve&amp;#39;, &amp;#39;cortante&amp;#39;, &amp;#39;primera&amp;#39;, &amp;#39;junto&amp;#39;, &amp;#39;obediente&amp;#39;, &amp;#39;metafísico&amp;#39;, &amp;#39;blanca&amp;#39;, &amp;#39;sonriente&amp;#39;, &amp;#39;sentado&amp;#39;, &amp;#39;irresoluto&amp;#39;, &amp;#39;sumergido&amp;#39;, &amp;#39;feliz&amp;#39;]
&lt;/pre&gt;
&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[16]:&lt;/div&gt;

&lt;div class="collapseheader inner_cell"&gt;&lt;span style="font-weight: bold;"&gt;Ver Código&lt;/span&gt;
&lt;div class="input_area" style="display:none"&gt;
&lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;personaje_verbo&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;doc&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;verbo&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt;
    &lt;span class="sd"&gt;&amp;quot;&amp;quot;&amp;quot;&lt;/span&gt;
&lt;span class="sd"&gt;    Encontrar los personajes que utilizan determinado `verbo` en `doc`&lt;/span&gt;
&lt;span class="sd"&gt;    &lt;/span&gt;
&lt;span class="sd"&gt;    :param doc: NLP documento parseado por Spacy&lt;/span&gt;
&lt;span class="sd"&gt;    :param verbo: un objeto String &lt;/span&gt;
&lt;span class="sd"&gt;    :return: lista de personajes que utilizan `verbo`&lt;/span&gt;
&lt;span class="sd"&gt;    &amp;quot;&amp;quot;&amp;quot;&lt;/span&gt;
    &lt;span class="n"&gt;contar_verbo&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;Counter&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt;
    &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;ent&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;doc&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;ents&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
        &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;ent&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;label_&lt;/span&gt; &lt;span class="o"&gt;==&lt;/span&gt; &lt;span class="s1"&gt;&amp;#39;PERSON&amp;#39;&lt;/span&gt; &lt;span class="ow"&gt;and&lt;/span&gt; &lt;span class="n"&gt;ent&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;root&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;head&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;lemma_&lt;/span&gt; &lt;span class="o"&gt;==&lt;/span&gt; &lt;span class="n"&gt;verbo&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
            &lt;span class="n"&gt;contar_verbo&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="n"&gt;ent&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;text&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt; &lt;span class="o"&gt;+=&lt;/span&gt; &lt;span class="mi"&gt;1&lt;/span&gt;
    
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="n"&gt;contar_verbo&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;most_common&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mi"&gt;10&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[17]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# Encontrar personajes que utilizan determinado verbo&lt;/span&gt;
&lt;span class="n"&gt;personaje_verbo&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;texto_procesado&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="s2"&gt;&amp;quot;dijo&amp;quot;&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt output_prompt"&gt;Out[17]:&lt;/div&gt;




&lt;div class="output_text output_subarea output_execute_result"&gt;
&lt;pre class="ipynb"&gt;[(&amp;#39;Winston&amp;#39;, 7),
 (&amp;#39;Julia&amp;#39;, 4),
 (&amp;#39;Syme&amp;#39;, 2),
 (&amp;#39;Julia—. Espera&amp;#39;, 1),
 (&amp;#39;Parsons&amp;#39;, 1),
 (&amp;#39;—le&amp;#39;, 1)]&lt;/pre&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[18]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# Trabajando con las entidades del texto&lt;/span&gt;
&lt;span class="c1"&gt;# Una entidad nombrada es cualquier objeto del mundo real como una persona,&lt;/span&gt;
&lt;span class="c1"&gt;# ubicación, organización o producto con un nombre propio.&lt;/span&gt;

&lt;span class="c1"&gt;# tipos de entidades del texto&lt;/span&gt;
&lt;span class="nb"&gt;set&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;ent&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;label_&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;ent&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;texto_procesado&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;ents&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt output_prompt"&gt;Out[18]:&lt;/div&gt;




&lt;div class="output_text output_subarea output_execute_result"&gt;
&lt;pre class="ipynb"&gt;{&amp;#39;CARDINAL&amp;#39;, &amp;#39;LOC&amp;#39;, &amp;#39;MISC&amp;#39;, &amp;#39;ORDINAL&amp;#39;, &amp;#39;ORG&amp;#39;, &amp;#39;PERSON&amp;#39;}&lt;/pre&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[19]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# Entidades nombradas de tipo ORG&lt;/span&gt;
&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="n"&gt;ent&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;ent&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;texto_procesado&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;ents&lt;/span&gt; &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;ent&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;label_&lt;/span&gt; &lt;span class="o"&gt;==&lt;/span&gt; &lt;span class="s1"&gt;&amp;#39;ORG&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;][:&lt;/span&gt;&lt;span class="mi"&gt;10&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt output_prompt"&gt;Out[19]:&lt;/div&gt;




&lt;div class="output_text output_subarea output_execute_result"&gt;
&lt;pre class="ipynb"&gt;[INGSOC,
 Partido:,
 ES LA,
 Departamento de Registro,
 Dos Minutos de Odio,
 Departamento de Novela,
 Partido Interior,
 Partido Interior,
 Departamento de Registro,
 Dos Minutos]&lt;/pre&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[20]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# Partes de la oración (POS)&lt;/span&gt;
&lt;span class="c1"&gt;# En las partes de la oración se etiquetan las palabras de acuerdo a lo &lt;/span&gt;
&lt;span class="c1"&gt;# que significan segun su contexto. Algunas de estas etiquetas pueden&lt;/span&gt;
&lt;span class="c1"&gt;# ser: Adjetivos, verbos, adverbios, conjunciones, pronombres, sustantivos.&lt;/span&gt;

&lt;span class="c1"&gt;# Etiquetas del texto&lt;/span&gt;
&lt;span class="nb"&gt;set&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;token&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;pos_&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;token&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;texto_procesado&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt output_prompt"&gt;Out[20]:&lt;/div&gt;




&lt;div class="output_text output_subarea output_execute_result"&gt;
&lt;pre class="ipynb"&gt;{&amp;#39;ADJ&amp;#39;,
 &amp;#39;ADP&amp;#39;,
 &amp;#39;ADV&amp;#39;,
 &amp;#39;AUX&amp;#39;,
 &amp;#39;CONJ&amp;#39;,
 &amp;#39;DET&amp;#39;,
 &amp;#39;INTJ&amp;#39;,
 &amp;#39;NOUN&amp;#39;,
 &amp;#39;NUM&amp;#39;,
 &amp;#39;PART&amp;#39;,
 &amp;#39;PRON&amp;#39;,
 &amp;#39;PROPN&amp;#39;,
 &amp;#39;PUNCT&amp;#39;,
 &amp;#39;SCONJ&amp;#39;,
 &amp;#39;SPACE&amp;#39;,
 &amp;#39;SYM&amp;#39;,
 &amp;#39;VERB&amp;#39;}&lt;/pre&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[21]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# Etiquetas de tipo ADJ&lt;/span&gt;
&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="n"&gt;token&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;orth_&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;token&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;texto_procesado&lt;/span&gt; &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;token&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;pos_&lt;/span&gt; &lt;span class="o"&gt;==&lt;/span&gt; &lt;span class="s1"&gt;&amp;#39;ADJ&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;][&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;&lt;span class="mi"&gt;11&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt output_prompt"&gt;Out[21]:&lt;/div&gt;




&lt;div class="output_text output_subarea output_execute_result"&gt;
&lt;pre class="ipynb"&gt;[&amp;#39;frío&amp;#39;,
 &amp;#39;clavada&amp;#39;,
 &amp;#39;molestísimo&amp;#39;,
 &amp;#39;suficiente&amp;#39;,
 &amp;#39;polvorienta&amp;#39;,
 &amp;#39;cocidas&amp;#39;,
 &amp;#39;viejas&amp;#39;,
 &amp;#39;grande&amp;#39;,
 &amp;#39;pegado&amp;#39;,
 &amp;#39;enorme&amp;#39;]&lt;/pre&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[22]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# Etiquetas de tipo PROPN&lt;/span&gt;
&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="n"&gt;token&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;orth_&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;token&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;texto_procesado&lt;/span&gt; &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;token&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;pos_&lt;/span&gt; &lt;span class="o"&gt;==&lt;/span&gt; &lt;span class="s1"&gt;&amp;#39;PROPN&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;][&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;&lt;span class="mi"&gt;11&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt output_prompt"&gt;Out[22]:&lt;/div&gt;




&lt;div class="output_text output_subarea output_execute_result"&gt;
&lt;pre class="ipynb"&gt;[&amp;#39;GEORGE&amp;#39;,
 &amp;#39;ORWELL&amp;#39;,
 &amp;#39;PARTE&amp;#39;,
 &amp;#39;CAPITULO&amp;#39;,
 &amp;#39;Winston&amp;#39;,
 &amp;#39;Smith&amp;#39;,
 &amp;#39;Casas&amp;#39;,
 &amp;#39;Victoria&amp;#39;,
 &amp;#39;Winston&amp;#39;,
 &amp;#39;Semana&amp;#39;]&lt;/pre&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing text_cell rendered"&gt;&lt;div class="prompt input_prompt"&gt;
&lt;/div&gt;&lt;div class="inner_cell"&gt;
&lt;div class="text_cell_render border-box-sizing rendered_html"&gt;
&lt;p&gt;Como demuestran estos ejemplos &lt;a href="http://textacy.readthedocs.io/en/latest/"&gt;Textacy&lt;/a&gt; / &lt;a href="https://spacy.io/"&gt;Spacy&lt;/a&gt; son herramientas muy poderosas que nos pueden ayudar a analizar y obtener información valiosa de un texto en forma rápida y sencilla.&lt;/p&gt;
&lt;h2 id="Deep-Learning-y-Procesamiento-del-Lenguaje-Natural"&gt;Deep Learning y Procesamiento del Lenguaje Natural&lt;a class="anchor-link" href="#Deep-Learning-y-Procesamiento-del-Lenguaje-Natural"&gt;&amp;#182;&lt;/a&gt;&lt;/h2&gt;&lt;p&gt;Durante mucho tiempo, las técnicas principales de &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;Procesamiento del Lenguaje Natural&lt;/a&gt; fueron dominadas por métodos de &lt;a href="https://iaarbook.github.io/machine-learning/"&gt;aprendizaje automático&lt;/a&gt; que utilizaron &lt;a href="https://es.wikipedia.org/wiki/Modelo_lineal"&gt;modelos lineales&lt;/a&gt; como las &lt;a href="https://es.wikipedia.org/wiki/M%C3%A1quinas_de_vectores_de_soporte"&gt;máquinas de vectores de soporte&lt;/a&gt; o la &lt;a href="https://es.wikipedia.org/wiki/Regresi%C3%B3n_log%C3%ADstica"&gt;regresión logística&lt;/a&gt;, entrenados sobre &lt;a href="https://es.wikipedia.org/wiki/Vector"&gt;vectores&lt;/a&gt; de características de muy alta dimensional pero muy escasos.
Recientemente, el campo ha tenido cierto éxito en el cambio hacia modelos de &lt;a href="https://iaarbook.github.io/deeplearning/"&gt;deep learning&lt;/a&gt; sobre entradas más densas.&lt;/p&gt;
&lt;p&gt;Las &lt;a href="https://relopezbriega.github.io/category/redes-neuronales.html"&gt;redes neuronales&lt;/a&gt; proporcionan una poderosa maquina de aprendizaje que es muy atractiva para su uso en problemas de &lt;em&gt;lenguaje natural&lt;/em&gt;. Un componente importante en las &lt;a href="https://relopezbriega.github.io/category/redes-neuronales.html"&gt;redes neuronales&lt;/a&gt; para el &lt;a href="https://es.wikipedia.org/wiki/Lenguaje"&gt;lenguaje&lt;/a&gt; es el uso de una capa de &lt;a href="https://en.wikipedia.org/wiki/Word_embedding"&gt;word embedding&lt;/a&gt;, una asignación de símbolos discretos a vectores continuos en un espacio dimensional relativamente bajo. Cuando se utiliza &lt;a href="https://en.wikipedia.org/wiki/Word_embedding"&gt;word embedding&lt;/a&gt;, se transforman los distintos símbolos en objetos matemáticos sobre los que se pueden realizar operaciones. En particular, la distancia entre vectores puede equipararse a la distancia entre palabras, facilitando la generalización del comportamiento de una palabra sobre otra.
Esta representación de palabras como vectores es aprendida por la red como parte del proceso de entrenamiento.
Subiendo en la jerarquía, la red también aprende a combinar los vectores de palabras de una manera que es útil para la predicción. Esta capacidad alivia en cierta medida los problemas de dispersión de los datos.
Hay dos tipos principales de arquitecturas de &lt;a href="https://relopezbriega.github.io/category/redes-neuronales.html"&gt;redes neuronales&lt;/a&gt; que resultan muy útiles en los problemas de &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;Procesamiento del Lenguaje Natural&lt;/a&gt;: las &lt;a href="https://es.wikipedia.org/wiki/Red_neuronal_prealimentada"&gt;Redes neuronales prealimentadas&lt;/a&gt; y las &lt;a href="https://en.wikipedia.org/wiki/Recurrent_neural_network"&gt;Redes neuronales recurrentes&lt;/a&gt;.&lt;/p&gt;
&lt;p&gt;Para ejemplificar, veamos como podemos utilizar &lt;a href="https://en.wikipedia.org/wiki/Word_embedding"&gt;word embedding&lt;/a&gt; utilizando el modelo &lt;code&gt;word2vec&lt;/code&gt; de &lt;a href="https://radimrehurek.com/gensim/intro.html"&gt;Gensim&lt;/a&gt;.&lt;/p&gt;

&lt;/div&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[23]:&lt;/div&gt;

&lt;div class="collapseheader inner_cell"&gt;&lt;span style="font-weight: bold;"&gt;Ver Código&lt;/span&gt;
&lt;div class="input_area" style="display:none"&gt;
&lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# importando gensim y TSNE para graficar&lt;/span&gt;
&lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="nn"&gt;gensim&lt;/span&gt;
&lt;span class="kn"&gt;from&lt;/span&gt; &lt;span class="nn"&gt;sklearn.manifold&lt;/span&gt; &lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;TSNE&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt"&gt;&lt;/div&gt;


&lt;div class="output_subarea output_stream output_stderr output_text"&gt;
&lt;pre class="ipynb"&gt;Using TensorFlow backend.
&lt;/pre&gt;
&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[24]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# transformando el texto para pasarlo al modelo de gensim&lt;/span&gt;
&lt;span class="n"&gt;texto&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="p"&gt;[[&lt;/span&gt;&lt;span class="nb"&gt;str&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;palabra&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;lower&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;palabra&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;sent&lt;/span&gt; &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="nb"&gt;str&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;palabra&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="ow"&gt;not&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;stop&lt;/span&gt; &lt;span class="p"&gt;]&lt;/span&gt;
         &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;sent&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;sentencias&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
&lt;span class="c1"&gt;# generando el diccionario&lt;/span&gt;
&lt;span class="n"&gt;diccionario&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;gensim&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;corpora&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;Dictionary&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;texto&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[25]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# creando el modelo&lt;/span&gt;
&lt;span class="n"&gt;modelo&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;gensim&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;models&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;Word2Vec&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;texto&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;workers&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mi"&gt;4&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;size&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mi"&gt;100&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; 
                                &lt;span class="n"&gt;min_count&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mi"&gt;5&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;window&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mi"&gt;10&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;sample&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mf"&gt;1e-3&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[26]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# representación de la palabra hermano como vector.&lt;/span&gt;
&lt;span class="n"&gt;modelo&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;hermano&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt output_prompt"&gt;Out[26]:&lt;/div&gt;




&lt;div class="output_text output_subarea output_execute_result"&gt;
&lt;pre class="ipynb"&gt;array([-0.22692642, -0.08890257, -0.12868501, -0.17392403,  0.22627664,
        0.10127033, -0.09027202,  0.10692301, -0.30289358,  0.06429829,
        0.17862263,  0.20448232, -0.54694331, -0.40681064,  0.61438572,
        0.0217872 ,  0.080202  ,  0.46306548,  0.09076022, -0.02869571,
       -0.46194851,  0.28670114,  0.38570273,  0.32555154,  0.13098474,
       -0.03134775, -0.09577781,  0.06859019, -0.15935177,  0.61558241,
        0.07509102, -0.24245416, -0.44668666, -0.77279037,  0.84581488,
       -0.54047441, -0.18756895, -0.12506978, -0.52870399,  0.1898849 ,
       -0.00930689,  0.36932173,  0.22370262, -0.67407966, -0.45509291,
       -0.00848365,  0.62967575,  0.16172817,  0.09978516,  0.15064637,
       -0.34957823,  0.20686783,  0.1038606 , -0.09155462,  0.08276461,
        0.31154567, -0.3129864 , -0.45181432, -0.12060832,  0.30541465,
       -0.37994722,  0.13566031,  0.16380484,  0.32732216,  0.15746659,
        0.69340295, -0.25527388,  0.37333885,  0.23317885, -0.4710786 ,
       -0.22506852,  0.14103019, -0.30253953,  0.00573605, -0.14745024,
       -0.50815731, -0.37789851, -0.3400358 ,  0.62753612,  0.04747195,
       -0.07443633,  0.4276363 , -0.28931141,  0.29784235, -0.07251735,
       -0.07709371, -0.1003265 , -0.29098341,  0.47159177,  0.41372281,
       -0.10831725, -0.04670507,  0.07489309,  0.00146162, -0.02867368,
       -0.2771121 ,  0.37281424, -0.53325164,  0.19094327,  0.51455575], dtype=float32)&lt;/pre&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[27]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# como convertimos las palabras en vectores y los vectores capturan muchas &lt;/span&gt;
&lt;span class="c1"&gt;# regularidades lingüísticas, podemos aplicar operaciones vectoriales para&lt;/span&gt;
&lt;span class="c1"&gt;# extraer muchas propiedades interesantes. &lt;/span&gt;

&lt;span class="c1"&gt;# palabras similares a persona&lt;/span&gt;
&lt;span class="n"&gt;modelo&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;most_similar_cosmul&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;persona&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt output_prompt"&gt;Out[27]:&lt;/div&gt;




&lt;div class="output_text output_subarea output_execute_result"&gt;
&lt;pre class="ipynb"&gt;[(&amp;#39;mano&amp;#39;, 0.9999627470970154),
 (&amp;#39;se&amp;#39;, 0.9999592304229736),
 (&amp;#39;mesa&amp;#39;, 0.9999556541442871),
 (&amp;#39;lo&amp;#39;, 0.999954879283905),
 (&amp;#39;podía&amp;#39;, 0.9999546408653259),
 (&amp;#39;personas&amp;#39;, 0.9999545812606812),
 (&amp;#39;habría&amp;#39;, 0.9999533891677856),
 (&amp;#39;sitio&amp;#39;, 0.9999532103538513),
 (&amp;#39;no&amp;#39;, 0.999953031539917),
 (&amp;#39;pero&amp;#39;, 0.999951958656311)]&lt;/pre&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[28]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# por último podemos graficar el modelo&lt;/span&gt;
&lt;span class="n"&gt;vocab&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nb"&gt;list&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;modelo&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;wv&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;vocab&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="n"&gt;X&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;modelo&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="n"&gt;vocab&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;

&lt;span class="c1"&gt;# aplicamos TSNE&lt;/span&gt;
&lt;span class="n"&gt;tsne&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;TSNE&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;n_components&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mi"&gt;2&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="n"&gt;X_tsne&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;tsne&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;fit_transform&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;X&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;

&lt;span class="c1"&gt;# transformamos en DataFrame&lt;/span&gt;
&lt;span class="n"&gt;df&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;pd&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;concat&lt;/span&gt;&lt;span class="p"&gt;([&lt;/span&gt;&lt;span class="n"&gt;pd&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;DataFrame&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;X_tsne&lt;/span&gt;&lt;span class="p"&gt;),&lt;/span&gt;
                &lt;span class="n"&gt;pd&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;Series&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;vocab&lt;/span&gt;&lt;span class="p"&gt;)],&lt;/span&gt;
               &lt;span class="n"&gt;axis&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;

&lt;span class="n"&gt;df&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;columns&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;x&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="s1"&gt;&amp;#39;y&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="s1"&gt;&amp;#39;palabra&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing code_cell rendered"&gt;
&lt;div class="input"&gt;
&lt;div class="prompt input_prompt"&gt;In&amp;nbsp;[29]:&lt;/div&gt;

&lt;div class="inner_cell"&gt;
    &lt;div class="input_area"&gt;
        &lt;div class="highlight-ipynb"&gt;&lt;pre class="ipynb"&gt;&lt;span&gt;&lt;/span&gt;&lt;span class="c1"&gt;# creamos el gráfico&lt;/span&gt;
&lt;span class="n"&gt;fig&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;plt&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;figure&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;figsize&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mi"&gt;10&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;8&lt;/span&gt;&lt;span class="p"&gt;))&lt;/span&gt;
&lt;span class="n"&gt;ax&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;fig&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;add_subplot&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;

&lt;span class="c1"&gt;# reducimos el dataset a 15 palabras para el ejemplo&lt;/span&gt;
&lt;span class="n"&gt;df_e&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;df&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;head&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mi"&gt;15&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;

&lt;span class="n"&gt;ax&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;scatter&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;df_e&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;x&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;],&lt;/span&gt; &lt;span class="n"&gt;df_e&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;y&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;])&lt;/span&gt;

&lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;i&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;txt&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="nb"&gt;enumerate&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;df_e&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;palabra&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;]):&lt;/span&gt;
    &lt;span class="n"&gt;ax&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;annotate&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;txt&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;df_e&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;x&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;iloc&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="n"&gt;i&lt;/span&gt;&lt;span class="p"&gt;],&lt;/span&gt; &lt;span class="n"&gt;df_e&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;y&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;iloc&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="n"&gt;i&lt;/span&gt;&lt;span class="p"&gt;]))&lt;/span&gt;
    
&lt;span class="n"&gt;plt&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;show&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt;
&lt;/pre&gt;&lt;/div&gt;

    &lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;div class="output_wrapper"&gt;
&lt;div class="output"&gt;


&lt;div class="output_area"&gt;

    &lt;div class="prompt"&gt;&lt;/div&gt;




&lt;div class="output_png output_subarea "&gt;
&lt;img src="data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAlsAAAHVCAYAAADGlz5EAAAABHNCSVQICAgIfAhkiAAAAAlwSFlz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"
&gt;
&lt;/div&gt;

&lt;/div&gt;

&lt;/div&gt;
&lt;/div&gt;

&lt;/div&gt;
&lt;div class="cell border-box-sizing text_cell rendered"&gt;&lt;div class="prompt input_prompt"&gt;
&lt;/div&gt;&lt;div class="inner_cell"&gt;
&lt;div class="text_cell_render border-box-sizing rendered_html"&gt;
&lt;p&gt;Aquí termina este artículo, obviamente el &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;Procesamiento del Lenguaje Natural&lt;/a&gt; es un campo muy amplio y quedaron muchas cosas sin desarrollar. Espero que esta introducción les haya sido de utilidad.&lt;/p&gt;
&lt;p&gt;Saludos!&lt;/p&gt;
&lt;p&gt;&lt;em&gt;Este post fue escrito por &lt;a href="https://relopezbriega.github.io/"&gt;Raúl e. López Briega&lt;/a&gt; utilizando &lt;a href="https://jupyter.org/"&gt;Jupyter notebook&lt;/a&gt;. Pueden descargar este &lt;a href="https://github.com/relopezbriega/relopezbriega.github.io/blob/master/downloads/NLP.ipynb"&gt;notebook&lt;/a&gt; o ver su version estática en &lt;a href="https://nbviewer.ipython.org/github/relopezbriega/relopezbriega.github.io/blob/master/downloads/NLP.ipynb"&gt;nbviewer&lt;/a&gt;.&lt;/em&gt;&lt;/p&gt;

&lt;/div&gt;
&lt;/div&gt;
&lt;/div&gt;</content></entry><entry><title>Introducción a la Inteligencia Artificial</title><link href="https://relopezbriega.github.io/blog/2017/06/05/introduccion-a-la-inteligencia-artificial/" rel="alternate"></link><published>2017-06-05T00:00:00-03:00</published><updated>2017-06-05T00:00:00-03:00</updated><author><name>Raul E. Lopez Briega</name></author><id>tag:relopezbriega.github.io,2017-06-05:/blog/2017/06/05/introduccion-a-la-inteligencia-artificial/</id><summary type="html">&lt;div class="cell border-box-sizing text_cell rendered"&gt;&lt;div class="prompt input_prompt"&gt;
&lt;/div&gt;&lt;div class="inner_cell"&gt;
&lt;div class="text_cell_render border-box-sizing rendered_html"&gt;
&lt;p&gt;&lt;img src="https://iaarhub.github.io/images/nteligencia-artificial.png" title="IA" alt="IA"&gt;&lt;/p&gt;
&lt;p&gt;&lt;em&gt;Este artículo fue publicado originalmente en el &lt;a href="https://iaarhub.github.io/"&gt;sitio de capacitaciones de IAAR&lt;/a&gt;&lt;/em&gt;.&lt;/p&gt;
&lt;h2 id="Introducci&amp;#243;n"&gt;Introducci&amp;#243;n&lt;a class="anchor-link" href="#Introducci&amp;#243;n"&gt;&amp;#182;&lt;/a&gt;&lt;/h2&gt;&lt;p&gt;El cerebro es el órgano más increíble del cuerpo humano. Establece la forma en que percibimos las imágenes, el sonido, los olores, los sabores y el tacto. Nos permite almacenar recuerdos, experimentar emociones e incluso soñar. Sin …&lt;/p&gt;&lt;/div&gt;&lt;/div&gt;&lt;/div&gt;</summary><content type="html">&lt;div class="cell border-box-sizing text_cell rendered"&gt;&lt;div class="prompt input_prompt"&gt;
&lt;/div&gt;&lt;div class="inner_cell"&gt;
&lt;div class="text_cell_render border-box-sizing rendered_html"&gt;
&lt;p&gt;&lt;img src="https://iaarhub.github.io/images/nteligencia-artificial.png" title="IA" alt="IA"&gt;&lt;/p&gt;
&lt;p&gt;&lt;em&gt;Este artículo fue publicado originalmente en el &lt;a href="https://iaarhub.github.io/"&gt;sitio de capacitaciones de IAAR&lt;/a&gt;&lt;/em&gt;.&lt;/p&gt;
&lt;h2 id="Introducci&amp;#243;n"&gt;Introducci&amp;#243;n&lt;a class="anchor-link" href="#Introducci&amp;#243;n"&gt;&amp;#182;&lt;/a&gt;&lt;/h2&gt;&lt;p&gt;El cerebro es el órgano más increíble del cuerpo humano. Establece la forma en que percibimos las imágenes, el sonido, los olores, los sabores y el tacto. Nos permite almacenar recuerdos, experimentar emociones e incluso soñar. Sin el, seríamos organismos primitivos, incapaces de otra cosa que el más simple de los reflejos. El cerebro es, en definitiva, lo que nos hace inteligentes.
Durante décadas hemos soñado con construir máquinas inteligentes con cerebros como los nuestros; asistentes robotizados para limpiar nuestras casas, coches que se conducen por sí mismos, microscopios que detecten enfermedades automáticamente. Pero construir estas máquinas &lt;em&gt;artificialmente inteligentes&lt;/em&gt; nos obliga a resolver algunos de los problemas computacionales más complejos que hemos tenido; problemas que nuestros cerebros ya pueden resolver en una fracción de segundos. La forma de atacar y resolver estos problemas, es el campo de estudio de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt;.&lt;/p&gt;
&lt;h2 id="&amp;#191;Qu&amp;#233;-es-la-Inteligencia-Artificial?"&gt;&amp;#191;Qu&amp;#233; es la Inteligencia Artificial?&lt;a class="anchor-link" href="#&amp;#191;Qu&amp;#233;-es-la-Inteligencia-Artificial?"&gt;&amp;#182;&lt;/a&gt;&lt;/h2&gt;&lt;p&gt;Definir el concepto de &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt; no es nada fácil. Una definición sumamente general sería que la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;IA&lt;/a&gt; es el estudio de la &lt;a href="https://es.wikipedia.org/wiki/Inform%C3%A1tica"&gt;infromática&lt;/a&gt; centrándose en el desarrollo de software o &lt;strong&gt;máquinas que exhiben una inteligencia humana&lt;/strong&gt;.&lt;/p&gt;
&lt;h3 id="Objetivos-de-la-Inteligencia-Artificial"&gt;Objetivos de la Inteligencia Artificial&lt;a class="anchor-link" href="#Objetivos-de-la-Inteligencia-Artificial"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;Los objetivos principales de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;IA&lt;/a&gt; incluyen la deducción y el razonamiento, la representación del conocimiento, la planificación, el procesamiento del lenguaje natural (&lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;NLP&lt;/a&gt;), el aprendizaje, la percepción y la capacidad de manipular y mover objetos. Los objetivos a largo plazo incluyen el logro de la Creatividad, la Inteligencia Social y la Inteligencia General (a nivel Humano).&lt;/p&gt;
&lt;h3 id="Cuatro-enfoques-distintos"&gt;Cuatro enfoques distintos&lt;a class="anchor-link" href="#Cuatro-enfoques-distintos"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;Podemos distinguir cuatro enfoques distintos de abordar el problema de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt;.&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Sistemas que se comportan como humanos&lt;/strong&gt;: Aquí la idea es desarrollar máquinas capaces de realizar funciones para las cuales se requeriría un humano inteligente. Dentro de este enfoque podemos encontrar la famosa &lt;a href="https://es.wikipedia.org/wiki/Test_de_Turing"&gt;Prueba de Turing&lt;/a&gt;. Para poder superar esta prueba, la máquina debería poseer las siguientes capacidades:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;Procesamiento de lenguaje natural&lt;/a&gt;&lt;/strong&gt;, que le permita comunicarse satisfactoriamente. &lt;/li&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="https://es.wikipedia.org/wiki/Representaci%C3%B3n_del_conocimiento"&gt;Representación del conocimiento&lt;/a&gt;&lt;/strong&gt;, para almacenar lo que se conoce o se siente.&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="https://es.wikipedia.org/wiki/Razonamiento_autom%C3%A1tico"&gt;Razonamiento automático&lt;/a&gt;&lt;/strong&gt;, para utilizar la información almacenada para responder a preguntas y extraer nuevas conclusiones.&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico"&gt;Aprendizaje automático&lt;/a&gt;&lt;/strong&gt;, para adaptarse a nuevas circunstancias y para detectar y extrapolar patrones.&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="https://es.wikipedia.org/wiki/Visi%C3%B3n_artificial"&gt;Visión computacional&lt;/a&gt;&lt;/strong&gt;, para percibir objetos.&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="https://es.wikipedia.org/wiki/Rob%C3%B3tica"&gt;Robótica&lt;/a&gt;&lt;/strong&gt;, para manipular y mover objetos.  &lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Sistemas que piensan como humanos&lt;/strong&gt;: Aquí la idea es hacer que las máquinas piensen como humanos en el sentido más literal; es decir, que tengan capacidades cognitivas de toma de decisiones, resolución de problemas, aprendizaje, etc. Dentro de este enfoque podemos encontrar al campo
interdisciplinario de la &lt;a href="https://es.wikipedia.org/wiki/Ciencia_cognitiva"&gt;ciencia cognitiva&lt;/a&gt;, en el cual convergen modelos computacionales de &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;IA&lt;/a&gt; y
técnicas experimentales de &lt;a href="https://es.wikipedia.org/wiki/Psicolog%C3%ADa"&gt;psicología&lt;/a&gt; intentando elaborar teorías precisas y verificables sobre el funcionamiento de la mente humana.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Sistemas que piensan racionalmente&lt;/strong&gt;: Aquí la idea es descubrir los cálculos que hacen posible percibir, razonar y actuar; es decir, encontrar las &lt;em&gt;leyes&lt;/em&gt; que rigen el pensamiento racional. Dentro de este enfoque podemos encontrar a la &lt;a href="https://es.wikipedia.org/wiki/L%C3%B3gica"&gt;Lógica&lt;/a&gt;, que intenta expresar las &lt;em&gt;leyes&lt;/em&gt; que gobiernan la manera de operar de la mente.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Sistemas que se comportan racionalmente&lt;/strong&gt;: Aquí la idea es diseñar &lt;em&gt;agentes&lt;/em&gt; inteligentes. Dentro de este enfoque un &lt;strong&gt;agente racional&lt;/strong&gt; es aquel que actúa con la intención de alcanzar el mejor resultado o, cuando hay incertidumbre, el mejor resultado esperado. Un elemento importante a tener en cuenta es que tarde o temprano uno se dará cuenta de que obtener una racionalidad perfecta (hacer siempre lo correcto) no es del todo posible en entornos complejos. La demanda computacional que esto implica es demasiado grande, por lo que debemos conformarnos con una racionalidad limitada. Como lo que se busca en este enfoque es realizar inferencias correctas, se necesitan las mismas habilidades que para la &lt;a href="https://es.wikipedia.org/wiki/Test_de_Turing"&gt;Prueba de Turing&lt;/a&gt;, es decir, es necesario contar con la &lt;em&gt;capacidad para representar el conocimiento y razonar basándonos en él&lt;/em&gt;, porque ello permitirá alcanzar decisiones correctas en una amplia gama de situaciones. Es necesario &lt;em&gt;ser capaz de generar sentencias comprensibles en lenguaje natural&lt;/em&gt;, ya que el enunciado de tales oraciones permite a los agentes desenvolverse en una sociedad compleja. El &lt;em&gt;aprendizaje&lt;/em&gt; no se lleva a cabo por erudición exclusivamente, sino que &lt;em&gt;profundizar en el conocimiento&lt;/em&gt; de cómo funciona el mundo facilita la concepción de estrategias mejores para manejarse en él.&lt;/p&gt;
&lt;/li&gt;
&lt;/ol&gt;
&lt;h2 id="Fundamentos-de-la-Inteligencia-artificial"&gt;Fundamentos de la Inteligencia artificial&lt;a class="anchor-link" href="#Fundamentos-de-la-Inteligencia-artificial"&gt;&amp;#182;&lt;/a&gt;&lt;/h2&gt;&lt;p&gt;Existen varias disciplinas que han contribuido con ideas, puntos de vista y técnicas al desarrollo del campo de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt;. Ellas son:&lt;/p&gt;
&lt;h3 id="Filosof&amp;#237;a"&gt;Filosof&amp;#237;a&lt;a class="anchor-link" href="#Filosof&amp;#237;a"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;Muchas han sido las contribuciones de la &lt;a href="https://es.wikipedia.org/wiki/Filosof%C3%ADa"&gt;Filosofía&lt;/a&gt; a las ciencias. En el campo de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt; a contribuido con varios aportes entre los que se destacan los conceptos de &lt;strong&gt;&lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial_d%C3%A9bil"&gt;IA débil&lt;/a&gt;&lt;/strong&gt; y &lt;strong&gt;&lt;a href="https://es.wikipedia.org/wiki/IA_Fuerte"&gt;IA fuerte&lt;/a&gt;&lt;/strong&gt;.&lt;/p&gt;
&lt;p&gt;La &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial_d%C3%A9bil"&gt;IA débil&lt;/a&gt; se define como la inteligencia artificial racional que se centra típicamente en una tarea estrecha. La inteligencia de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial_d%C3%A9bil"&gt;IA débil&lt;/a&gt; es limitada, no hay autoconciencia o inteligencia genuina. &lt;a href="https://es.wikipedia.org/wiki/Siri"&gt;Siri&lt;/a&gt; es un buen ejemplo de una &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial_d%C3%A9bil"&gt;IA débil&lt;/a&gt; que combina varias técnicas de &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial_d%C3%A9bil"&gt;IA débil&lt;/a&gt; para funcionar. &lt;a href="https://es.wikipedia.org/wiki/Siri"&gt;Siri&lt;/a&gt; puede hacer un montón de cosas por nosotros, pero a medida que intentamos tener conversaciones con el asistente virtual, nos damos cuenta de cuan limitada es.&lt;/p&gt;
&lt;p&gt;La &lt;a href="https://es.wikipedia.org/wiki/IA_Fuerte"&gt;IA fuerte&lt;/a&gt; es aquella &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;inteligencia artificial&lt;/a&gt; que iguala o excede la inteligencia humana promedio. Este tipo de &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;AI&lt;/a&gt;  será capaz de realizar todas las tareas que un ser humano podría hacer. Hay mucha investigación en este campo, pero todavía no han habido grandes avances.&lt;/p&gt;
&lt;p&gt;Muchos son los debates filosóficos alrededor de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;inteligencia artificial&lt;/a&gt;, para aquellos interesados en los aspectos filosóficos les recomiendo inscribirse en nuestro &lt;a href="https://www.facebook.com/groups/1475242589176918/"&gt;grupo de debate de IAAR&lt;/a&gt;&lt;/p&gt;
&lt;h3 id="Matem&amp;#225;ticas"&gt;Matem&amp;#225;ticas&lt;a class="anchor-link" href="#Matem&amp;#225;ticas"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;Si de ciencias aplicadas se trata, no puede faltar el aporte de las &lt;a href="https://es.wikipedia.org/wiki/Matem%C3%A1ticas"&gt;Matemáticas&lt;/a&gt;. Para entender y desarrollar los principales &lt;a href="https://es.wikipedia.org/wiki/Algoritmo"&gt;algoritmos&lt;/a&gt; que se utilizan en el campo de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt;, deberíamos tener nociones de:&lt;/p&gt;
&lt;h4 id="&amp;#193;lgebra-lineal"&gt;&amp;#193;lgebra lineal&lt;a class="anchor-link" href="#&amp;#193;lgebra-lineal"&gt;&amp;#182;&lt;/a&gt;&lt;/h4&gt;&lt;p&gt;El &lt;a href="https://relopezbriega.github.io/category/algebra.html"&gt;álgebra lineal&lt;/a&gt; es una rama de las matemáticas que estudia conceptos tales como vectores, matrices, tensores, sistemas de ecuaciones lineales y en su enfoque de manera más formal, espacios vectoriales y sus transformaciones lineales. Una buena comprensión del &lt;a href="https://relopezbriega.github.io/category/algebra.html"&gt;álgebra lineal&lt;/a&gt; es esencial para entender y trabajar con muchos algoritmos de &lt;a href="https://relopezbriega.github.io/category/machine-learning.html"&gt;Machine Learning&lt;/a&gt;, y especialmente para los algoritmos de &lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_profundo"&gt;Deep Learning&lt;/a&gt;.&lt;/p&gt;
&lt;h4 id="C&amp;#225;lculo"&gt;C&amp;#225;lculo&lt;a class="anchor-link" href="#C&amp;#225;lculo"&gt;&amp;#182;&lt;/a&gt;&lt;/h4&gt;&lt;p&gt;El &lt;a href="https://relopezbriega.github.io/category/calculo.html"&gt;Cálculo&lt;/a&gt; es el campo de la matemática que incluye el estudio de los límites, derivadas, integrales y series infinitas, y más concretamente se puede decir que es el estudio del &lt;em&gt;cambio&lt;/em&gt;. Particularmente para el campo de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt; algunos conceptos que se deberían conocer incluyen: &lt;a href="https://relopezbriega.github.io/blog/2016/01/10/ecuaciones-diferenciales-con-python/"&gt;Cálculo Diferencial e Integral&lt;/a&gt;, &lt;a href="https://relopezbriega.github.io/blog/2016/01/27/ecuaciones-en-derivadas-parciales-con-python/"&gt;Derivadas Parciales&lt;/a&gt;, Funciones de Valores Vectoriales, y &lt;a href="https://es.wikipedia.org/wiki/Gradiente"&gt;Gradientes&lt;/a&gt;.&lt;/p&gt;
&lt;h4 id="Optimizaci&amp;#243;n-matem&amp;#225;tica"&gt;Optimizaci&amp;#243;n matem&amp;#225;tica&lt;a class="anchor-link" href="#Optimizaci&amp;#243;n-matem&amp;#225;tica"&gt;&amp;#182;&lt;/a&gt;&lt;/h4&gt;&lt;p&gt;La &lt;a href="https://relopezbriega.github.io/blog/2017/01/18/problemas-de-optimizacion-con-python/"&gt;Optimización matemática&lt;/a&gt; es la herramienta matemática que nos permite optimizar decisiones, es decir, seleccionar la mejor alternativa de un conjunto de criterios disponibles. Su comprensión es fundamental para poder entender la eficiencia computacional y la escalabilidad de los principales algoritmos de &lt;a href="https://relopezbriega.github.io/category/machine-learning.html"&gt;Machine Learning&lt;/a&gt; y &lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_profundo"&gt;Deep Learning&lt;/a&gt;, los cuales suelen trabajar con matrices dispersas de gran tamaño.&lt;/p&gt;
&lt;h4 id="Probabilidad-y-estad&amp;#237;stica"&gt;Probabilidad y estad&amp;#237;stica&lt;a class="anchor-link" href="#Probabilidad-y-estad&amp;#237;stica"&gt;&amp;#182;&lt;/a&gt;&lt;/h4&gt;&lt;p&gt;La &lt;a href="https://relopezbriega.github.io/category/pobabilidad-y-estadistica.html"&gt;Probabilidad y estadística&lt;/a&gt; es la rama de la matemática que trata con la &lt;em&gt;incertidumbre&lt;/em&gt;, la &lt;em&gt;aleatoriedad&lt;/em&gt; y la &lt;em&gt;inferencia&lt;/em&gt;. Sus conceptos son fundamentales para cualquier algoritmo de &lt;a href="https://relopezbriega.github.io/category/machine-learning.html"&gt;Machine Learning&lt;/a&gt; o &lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_profundo"&gt;Deep Learning&lt;/a&gt;.&lt;/p&gt;
&lt;p&gt;Una buena introducción a cada uno de estos campos de las matemáticas que son fundamentales para la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt;, la pueden encontrar en este mismo &lt;a href="https://relopezbriega.github.io/"&gt;blog&lt;/a&gt;.&lt;/p&gt;
&lt;h3 id="Ling&amp;#252;&amp;#237;stica"&gt;Ling&amp;#252;&amp;#237;stica&lt;a class="anchor-link" href="#Ling&amp;#252;&amp;#237;stica"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;La &lt;a href="https://es.wikipedia.org/wiki/Ling%C3%BC%C3%ADstica"&gt;Lingüística&lt;/a&gt; moderna y la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt; nacieron al mismo tiempo y maduraron juntas, solapándose en un campo híbrido llamado lingüística computacional o &lt;a href="https://es.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales"&gt;procesamiento de lenguaje natural&lt;/a&gt;. El entendimiento del lenguaje requiere la comprensión de la materia bajo estudio y de su contexto, y no solamente el entendimiento de la estructura de las sentencias; lo que lo convierte en un problema bastante complejo de abordar.&lt;/p&gt;
&lt;h3 id="Neurociencias"&gt;Neurociencias&lt;a class="anchor-link" href="#Neurociencias"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;La &lt;a href="https://es.wikipedia.org/wiki/Neurociencia"&gt;Neurociencia&lt;/a&gt; es el estudio del sistema neurológico, y en especial del cerebro. La forma exacta en la que en un cerebro se genera el pensamiento es uno de los grandes misterios de la ciencia. El hecho de que una colección de simples células puede llegar a generar razonamiento, acción, y conciencia es un enigma a resolver. Cerebros y computadores realizan tareas bastante diferentes y tienen propiedades muy distintas. Según los cálculos de los expertos se estima que para el 2020 las computadoras igualaran la capacidad de procesamiento de los cerebros. Muchos modelos de &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;IA&lt;/a&gt; fueron inspirados en la estructura y el funcionamiento de nuestro cerebro.&lt;/p&gt;
&lt;h3 id="Psicolog&amp;#237;a"&gt;Psicolog&amp;#237;a&lt;a class="anchor-link" href="#Psicolog&amp;#237;a"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;La &lt;a href="https://es.wikipedia.org/wiki/Psicolog%C3%ADa"&gt;Psicología&lt;/a&gt; trata sobre el estudio y análisis de la conducta y los procesos mentales de los individuos y grupos humanos. La rama que más influencia ha tenido para la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt; es la de la &lt;a href="https://es.wikipedia.org/wiki/Psicolog%C3%ADa_cognitiva"&gt;psicología cognitiva&lt;/a&gt; que se encarga del estudio de la cognición; es decir, de los procesos mentales implicados en el conocimiento. Tiene como objeto de estudio los mecanismos básicos y profundos por los que se elabora el conocimiento, desde la percepción, la memoria y el aprendizaje, hasta la formación de conceptos y razonamiento lógico. Las teoría descritas por esta rama han sido utilizados para desarrollar varios modelos de &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt; y &lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico"&gt;Machine Learning&lt;/a&gt;&lt;/p&gt;
&lt;h2 id="Ramas-de-la-Inteligencia-artificial"&gt;Ramas de la Inteligencia artificial&lt;a class="anchor-link" href="#Ramas-de-la-Inteligencia-artificial"&gt;&amp;#182;&lt;/a&gt;&lt;/h2&gt;&lt;p&gt;Dentro de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt; podemos encontrar distintas ramas, entre las que se destacan:&lt;/p&gt;
&lt;h3 id="Machine-Learning"&gt;Machine Learning&lt;a class="anchor-link" href="#Machine-Learning"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;El &lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico"&gt;Machine Learning&lt;/a&gt; es el diseño y estudio de las herramientas informáticas que utilizan la experiencia pasada para tomar decisiones futuras; es el estudio de programas que pueden aprenden de los datos. El objetivo fundamental del &lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico"&gt;Machine Learning&lt;/a&gt; es &lt;em&gt;generalizar, o inducir una regla desconocida a partir de ejemplos donde esa regla es aplicada&lt;/em&gt;. El ejemplo más típico donde podemos ver el uso del Machine Learning es en el filtrado de los correo basura o spam. Mediante la observación de miles de correos electrónicos que han sido marcados previamente como basura, los filtros de spam aprenden a clasificar los mensajes nuevos.&lt;/p&gt;
&lt;p&gt;El &lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico"&gt;Machine Learning&lt;/a&gt; tiene una amplia gama de aplicaciones, incluyendo motores de búsqueda, diagnósticos médicos, detección de fraude en el uso de tarjetas de crédito, análisis del mercado de valores, clasificación de secuencias de ADN, reconocimiento del habla y del lenguaje escrito, juegos y robótica. Pero para poder abordar cada uno de estos temas es crucial en primer lugar distingir los distintos &lt;strong&gt;tipos de problemas de &lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico"&gt;Machine Learning&lt;/a&gt;&lt;/strong&gt; con los que nos podemos encontrar.&lt;/p&gt;
&lt;h4 id="Aprendizaje-supervisado"&gt;Aprendizaje supervisado&lt;a class="anchor-link" href="#Aprendizaje-supervisado"&gt;&amp;#182;&lt;/a&gt;&lt;/h4&gt;&lt;p&gt;En los problemas de &lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_supervisado"&gt;aprendizaje supervisado&lt;/a&gt; se enseña o entrena al algoritmo a partir de datos que ya vienen etiquetados con la respuesta correcta. Cuanto mayor es el conjunto de datos, el algoritmo podrá generalizar en una forma más precisa. Una vez concluido el entrenamiento, se le brindan nuevos datos, ya sin las etiquetas de las respuestas correctas, y el algoritmo de aprendizaje utiliza la experiencia pasada que adquirió durante la etapa de entrenamiento para predecir un resultado.&lt;/p&gt;
&lt;h4 id="Aprendizaje-no-supervisado"&gt;Aprendizaje no supervisado&lt;a class="anchor-link" href="#Aprendizaje-no-supervisado"&gt;&amp;#182;&lt;/a&gt;&lt;/h4&gt;&lt;p&gt;En los problemas de &lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_no_supervisado"&gt;aprendizaje no supervisado&lt;/a&gt;, el algoritmo es entrenado usando un conjunto de datos que no tiene ninguna etiqueta; en este caso, nunca se le dice al algoritmo lo que representan los datos. La idea es que el algoritmo pueda encontrar por si solo patrones que ayuden a entender el conjunto de datos.&lt;/p&gt;
&lt;h4 id="Aprendizaje-por-refuerzo"&gt;Aprendizaje por refuerzo&lt;a class="anchor-link" href="#Aprendizaje-por-refuerzo"&gt;&amp;#182;&lt;/a&gt;&lt;/h4&gt;&lt;p&gt;En los problemas de &lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_por_refuerzo"&gt;aprendizaje por refuerzo&lt;/a&gt;, el algoritmo aprende observando el mundo que le rodea. Su información de entrada es el feedback o retroalimentación que obtiene del mundo exterior como respuesta a sus acciones. Por lo tanto, el sistema aprende a base de ensayo-error. Un buen ejemplo de este tipo de aprendizaje lo podemos encontrar en los juegos, donde vamos probando nuevas estrategias y vamos seleccionando y perfeccionando aquellas que nos ayudan a ganar el juego. A medida que vamos adquiriendo más practica, el efecto acumulativo del refuerzo a nuestras acciones victoriosas terminará creando una estrategia ganadora.&lt;/p&gt;
&lt;h3 id="Deep-Learning"&gt;Deep Learning&lt;a class="anchor-link" href="#Deep-Learning"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;El &lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_profundo"&gt;Deep Learning&lt;/a&gt; constituye un conjunto particular de algoritmos de &lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico"&gt;Machine Learning&lt;/a&gt; que utilizan estructuras profundas de &lt;a href="https://es.wikipedia.org/wiki/Red_neuronal_artificial"&gt;redes neuronales&lt;/a&gt; para encontrar patrones en los datos. Estos tipos de algoritmos cuentan actualmente con un gran interés, ya que han demostrado ser sumamente exitosos para resolver determinados tipos de problemas; como por ejemplo, el reconocimiento de imágenes. Muchos consideran que este tipo de modelos son los que en el futuro nos llevaran a resolver definitivamente el problema de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt;.&lt;/p&gt;
&lt;h3 id="Razonamiento-probabil&amp;#237;stico"&gt;Razonamiento probabil&amp;#237;stico&lt;a class="anchor-link" href="#Razonamiento-probabil&amp;#237;stico"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;El &lt;a href="https://es.wikipedia.org/wiki/Inferencia_bayesiana"&gt;razonamiento probabilístico&lt;/a&gt; se encarga de lidiar con la incertidumbre inherente de todo proceso de aprendizaje. El problema para crear una &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt; entonces se convierte en encontrar la forma de trabajar con información ruidosa, incompleta e incluso muchas veces contradictoria. Estos algoritmos están sumamente ligados a la &lt;a href="https://es.wikipedia.org/wiki/Estad%C3%ADstica_bayesiana"&gt;estadística bayesiana&lt;/a&gt;; y la principal herramienta en la que se apoyan es en el &lt;a href="https://es.wikipedia.org/wiki/Teorema_de_Bayes"&gt;teorema de Bayes&lt;/a&gt;.&lt;/p&gt;
&lt;h3 id="Algortimos-gen&amp;#233;ticos"&gt;Algortimos gen&amp;#233;ticos&lt;a class="anchor-link" href="#Algortimos-gen&amp;#233;ticos"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;Los &lt;a href="https://es.wikipedia.org/wiki/Algoritmo_gen%C3%A9tico"&gt;algoritmos genéticos&lt;/a&gt; se basan en la idea de que la madre de todo aprendizaje es la &lt;em&gt;&lt;a href="https://es.wikipedia.org/wiki/Selecci%C3%B3n_natural"&gt;selección natural&lt;/a&gt;&lt;/em&gt;. Si la Naturaleza pudo crearnos, puede crear cualquier cosa; por tal motivo lo único que deberíamos hacer para alcanzar una &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt; es simular sus mecanismos en una computadora. La idea de estos algoritmos es imitar a la Evolución; funcionan seleccionando individuos de una población de soluciones candidatas, y luego intentando producir nuevas generaciones de soluciones mejores que las anteriores una y otra vez hasta aproximarse a una solución perfecta.&lt;/p&gt;
&lt;h2 id="Aplicaciones-de-la-Inteligencia-artificial"&gt;Aplicaciones de la Inteligencia artificial&lt;a class="anchor-link" href="#Aplicaciones-de-la-Inteligencia-artificial"&gt;&amp;#182;&lt;/a&gt;&lt;/h2&gt;&lt;p&gt;Las técnicas de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt; pueden ser aplicadas en una gran variedad de industrias y situaciones, como ser:&lt;/p&gt;
&lt;h3 id="Medicina"&gt;Medicina&lt;a class="anchor-link" href="#Medicina"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;Apoyándose en las herramientas que proporciona la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt;, los doctores podrían realizar diagnósticos más certeros y oportunos, lo que llevaría a mejores tratamientos y más vidas salvadas.&lt;/p&gt;
&lt;h3 id="Autos-aut&amp;#243;nomos"&gt;Autos aut&amp;#243;nomos&lt;a class="anchor-link" href="#Autos-aut&amp;#243;nomos"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;Utilizando &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt; podríamos crear autos autónomos que aprendan de los datos y experiencias de millones de otros autos, mejorando el tráfico y haciendo mucho más segura la conducción.&lt;/p&gt;
&lt;h3 id="Bancos"&gt;Bancos&lt;a class="anchor-link" href="#Bancos"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;Utilizando técnicas de &lt;a href="https://relopezbriega.github.io/category/machine-learning.html"&gt;Machine Learning&lt;/a&gt; los bancos pueden detectar fraudes antes de que ocurran por medio de analizar los patrones de comportamiento de gastos e identificando rápidamente actividades sospechosas.&lt;/p&gt;
&lt;h3 id="Agricultura"&gt;Agricultura&lt;a class="anchor-link" href="#Agricultura"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;En Agricultura se podría optimizar el rendimiento de los cultivos por medio de la utilización de las técnicas de &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt; para analizar los datos del suelo y del clima en tiempo real, logrando producir más alimentos incluso con climas perjudiciales.&lt;/p&gt;
&lt;h3 id="Educaci&amp;#243;n"&gt;Educaci&amp;#243;n&lt;a class="anchor-link" href="#Educaci&amp;#243;n"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;En la Educación se podrían utilizar las técnicas de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt; para diseñar programas de estudios personalizados basados en datos que mejoren el rendimiento y el ritmo de aprendizaje de los alumnos.&lt;/p&gt;
&lt;h2 id="La-&amp;#233;tica-y-los-riesgos-de-desarrollar-una-Inteligencia-Artificial"&gt;La &amp;#233;tica y los riesgos de desarrollar una Inteligencia Artificial&lt;a class="anchor-link" href="#La-&amp;#233;tica-y-los-riesgos-de-desarrollar-una-Inteligencia-Artificial"&gt;&amp;#182;&lt;/a&gt;&lt;/h2&gt;&lt;p&gt;Actualmente también ha surgido un debate ético alrededor de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt;. Algunos de los pensadores más importantes del planeta han establecido su preocupación sobre el progreso de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;IA&lt;/a&gt;. Entre los problemas que puede traer aparejado el desarrollo de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt;, podemos encontrar los siguientes:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;Las personas podrían perder sus trabajos por la automatización.&lt;/li&gt;
&lt;li&gt;Las personas podrían tener demasiado (o muy poco) tiempo de ocio.&lt;/li&gt;
&lt;li&gt;Las personas podrían perder el sentido de ser únicos.&lt;/li&gt;
&lt;li&gt;Las personas podrían perder algunos de sus derechos privados.&lt;/li&gt;
&lt;li&gt;La utilización de los sistemas de &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;IA&lt;/a&gt; podría llevar a la pérdida de responsabilidad.&lt;/li&gt;
&lt;li&gt;El éxito de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;IA&lt;/a&gt; podría significar el fin de la raza humana.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;El debate sobre los beneficios y riesgos del desarrollo de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt; está todavía abierto.&lt;/p&gt;
&lt;h2 id="&amp;#191;C&amp;#243;mo-iniciarse-en-el-campo-de-la-Inteligencia-artificial?"&gt;&amp;#191;C&amp;#243;mo iniciarse en el campo de la Inteligencia artificial?&lt;a class="anchor-link" href="#&amp;#191;C&amp;#243;mo-iniciarse-en-el-campo-de-la-Inteligencia-artificial?"&gt;&amp;#182;&lt;/a&gt;&lt;/h2&gt;&lt;p&gt;Si luego de leer esta introducción, te has quedado fascinado por el campo de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt; y quieres incursionar en el mismo, aquí te dejo algunas recomendaciones para iniciarse.&lt;/p&gt;
&lt;h3 id="IAAR"&gt;IAAR&lt;a class="anchor-link" href="#IAAR"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;&lt;a href="https://iaar.site/"&gt;IAAR&lt;/a&gt; es la comunidad argentina de inteligencia artificial. Agrupa a ingenieros, desarrolladores, emprendedores, investigadores, entidades gubernamentales y empresas en pos del desarrollo ético y humanitario de las tecnologías cognitivas. Para comenzar a formar parte de la comunidad pueden inscribirse en los grupos de facebook: &lt;a href="https://www.facebook.com/groups/InteligenciaArtificialArgentina/"&gt;IAAR&lt;/a&gt;, &lt;a href="https://www.facebook.com/groups/1475242589176918/"&gt;Debates&lt;/a&gt;, &lt;a href="https://www.facebook.com/groups/336681666680029/"&gt;Proyectos&lt;/a&gt;, &lt;a href="https://www.facebook.com/groups/1901144966796050/"&gt;Capacitación&lt;/a&gt;; y/o en el &lt;a href="https://www.meetup.com/es-ES/InteligenciaArtificialArgentina/"&gt;meetup&lt;/a&gt;.&lt;/p&gt;
&lt;h3 id="Programaci&amp;#243;n"&gt;Programaci&amp;#243;n&lt;a class="anchor-link" href="#Programaci&amp;#243;n"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;Para poder trabajar en problemas relacionados al campo de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt; es necesario saber programar. Los principales lenguajes que se utilizan son &lt;a href="https://www.python.org/"&gt;Python&lt;/a&gt; y &lt;a href="https://cran.r-project.org/"&gt;R&lt;/a&gt;. En los repositorios de &lt;a href="https://github.com/IAARhub/AcademiaIAAR"&gt;Academia de IAAR&lt;/a&gt; van a poder encontrar material sobre estos lenguajes.&lt;/p&gt;
&lt;h3 id="Frameworks"&gt;Frameworks&lt;a class="anchor-link" href="#Frameworks"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;Existen varios frameworks open source que nos facilitan el trabajar con modelos de &lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_profundo"&gt;Deep Learning&lt;/a&gt;, entre los que se destacan:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="https://www.tensorflow.org/"&gt;TensorFlow&lt;/a&gt;&lt;/strong&gt;: &lt;a href="https://www.tensorflow.org/"&gt;TensorFlow&lt;/a&gt; es un frameworks desarrollado por Google. Es una librería de código libre para computación numérica usando grafos de flujo de datos que utiliza el lenguaje &lt;a href="https://www.python.org/"&gt;Python&lt;/a&gt;. &lt;/li&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="https://pytorch.org/"&gt;PyTorch&lt;/a&gt;&lt;/strong&gt;: &lt;a href="https://pytorch.org/"&gt;PyTorch&lt;/a&gt; es un framework de &lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_profundo"&gt;Deep Learning&lt;/a&gt; que utiliza el lenguaje &lt;a href="https://www.python.org/"&gt;Python&lt;/a&gt; y cuenta con el apoyo de Facebook.&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="https://caffe.berkeleyvision.org/"&gt;Caffe&lt;/a&gt;&lt;/strong&gt;: &lt;a href="https://caffe.berkeleyvision.org/"&gt;Caffe&lt;/a&gt; es un framework de &lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_profundo"&gt;Deep Learning&lt;/a&gt; hecho con expresión, velocidad y modularidad en mente, el cual es desarrollado por la universidad de Berkeley.&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="https://www.microsoft.com/en-us/research/product/cognitive-toolkit/"&gt;CNTK&lt;/a&gt;&lt;/strong&gt;: &lt;a href="https://www.microsoft.com/en-us/research/product/cognitive-toolkit/"&gt;CNTK&lt;/a&gt; es un conjunto de herramientas, desarrolladas por Microsoft, fáciles de usar, de código abierto que entrena algoritmos de &lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_profundo"&gt;Deep Learning&lt;/a&gt; para aprender como el cerebro humano.&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="https://deeplearning.net/software/theano/"&gt;Theano&lt;/a&gt;&lt;/strong&gt;: &lt;a href="https://deeplearning.net/software/theano/"&gt;Theano&lt;/a&gt; es una librería de &lt;a href="https://www.python.org/"&gt;Python&lt;/a&gt; que permite definir, optimizar y evaluar expresiones matemáticas que involucran tensores de manera eficiente. &lt;/li&gt;
&lt;li&gt;&lt;strong&gt;&lt;a href="https://deeplearning4j.org/"&gt;DeepLearning4j&lt;/a&gt;&lt;/strong&gt;: &lt;a href="https://deeplearning4j.org/"&gt;DeepLearning4j&lt;/a&gt; Es una librería open source para trabajar con modelos de &lt;a href="https://es.wikipedia.org/wiki/Aprendizaje_profundo"&gt;Deep Learning&lt;/a&gt; distribuidos utilizando el lenguaje &lt;a href="https://es.wikipedia.org/wiki/Java_(lenguaje_de_programaci%C3%B3n)"&gt;Java&lt;/a&gt;.&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id="Bots"&gt;Bots&lt;a class="anchor-link" href="#Bots"&gt;&amp;#182;&lt;/a&gt;&lt;/h3&gt;&lt;p&gt;Una de las ramas con mayor crecimiento y que más se ha beneficiado con el boom de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt; es la de los &lt;a href="https://iaarhub.github.io/capacitacion/2017/04/09/31-herramientas-que-te-ayudaran-a-crear-tu-propio-chatbot/"&gt;Bots&lt;/a&gt;. Generar pequeños &lt;a href="https://iaarhub.github.io/capacitacion/2017/04/09/31-herramientas-que-te-ayudaran-a-crear-tu-propio-chatbot/"&gt;Bots&lt;/a&gt; que puedan tener conversaciones básicas con los usuarios es bastante simple. Pueden encontrar una guía con una gran número de herramientas en el &lt;a href="https://iaarhub.github.io/capacitacion/2017/04/09/31-herramientas-que-te-ayudaran-a-crear-tu-propio-chatbot/"&gt;blog de capacitación de IAAR&lt;/a&gt;.&lt;/p&gt;

&lt;/div&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;div class="cell border-box-sizing text_cell rendered"&gt;&lt;div class="prompt input_prompt"&gt;
&lt;/div&gt;&lt;div class="inner_cell"&gt;
&lt;div class="text_cell_render border-box-sizing rendered_html"&gt;
&lt;p&gt;Aquí concluye esta introducción por el fascinante campo de la &lt;a href="https://es.wikipedia.org/wiki/Inteligencia_artificial"&gt;Inteligencia Artificial&lt;/a&gt;. Recuerden anotarse en el grupo de &lt;a href="https://www.facebook.com/groups/InteligenciaArtificialArgentina/"&gt;facebook de IAAR&lt;/a&gt; y al &lt;a href="https://www.meetup.com/es-ES/InteligenciaArtificialArgentina/"&gt;meetup&lt;/a&gt;.&lt;/p&gt;
&lt;p&gt;Saludos!&lt;/p&gt;
&lt;p&gt;&lt;em&gt;Este post fue escrito por &lt;a href="https://relopezbriega.github.io/"&gt;Raúl e. López Briega&lt;/a&gt; utilizando &lt;a href="https://jupyter.org/"&gt;Jupyter notebook&lt;/a&gt;. Pueden descargar este &lt;a href="https://github.com/IAARhub/iaar_template/tree/master/content/notebooks/IA.ipynb"&gt;notebook&lt;/a&gt; o ver su version estática en &lt;a href="https://nbviewer.ipython.org/github/IAARhub/iaar_template/tree/master/content/notebooks/IA.ipynb"&gt;nbviewer&lt;/a&gt;.&lt;/em&gt;&lt;/p&gt;

&lt;/div&gt;
&lt;/div&gt;
&lt;/div&gt;</content><category term="python"></category><category term="estadistica"></category><category term="probabilidad"></category><category term="Inteligencia Artificial"></category><category term="TensorFlow"></category><category term="Redes Neuronales"></category></entry></feed>