Trimestre Corrente: 2025/1 

Objetivos:

Discutir ferramentas e abordagens para o tratamento de problemas envolvendo o processamento de Linguagem Natural por meio de modelos de Aprendizado de Máquina, em especial aqueles baseados em Aprendizado Profundo.

Ementa:

1. Introdução ao Processamento de Linguagem Natural.

2. Representações eficientes de palavras e contextos.

3. Medidas de similaridade.

4. Análise de linguagem.

5. Modelos clássicos, empíricos e profundos.

6. Máquinas de tradução.

7. Representações contextuais. 

8. Aplicações.

Bibliografia Principal:

1. Daniel Jurafsky, James H. Martin. Draft of "Speach and Language Processing - Prentice Hall - 2024 (https://web.stanford.edu/~jurafsky/slpdraft/).

2. Eisenstein, J. Introduction to Natural Language Processing - MIT - 2019

3. Lewis Tunstall, Leandro von Werra, and Thomas Wolf. Natural Language Processing with Transformers - Building Language Applications with Hugging Face, O'Reilly Media, 2022. 

4. Delip Rao, Brian McMahan. Natural Language Processing with PyTorch: Build Intelligent Language Applications Using Deep Learning. O'Reilly Media, 2019.

5. Li Deng, Yang Liu. Deep Learning in Natural Language Processing - Springer - 2018.

6.  Material "on-line" do curso CS224n - Natural Language Processing with Deep Learning - Stanford - Winter 2023 (https://web.stanford.edu/class/archive/cs/cs224n/cs224n.1234/) e CS224u - Natural Language Understanding - Stanford (https://web.stanford.edu/class/cs224u/) 

7. Eugene Charniak. Introduction to Deep Learning - MIT press - 2019.

8.  Michael A. Nielsen. Neural Networks and Deep Learning - https://neuralnetworksanddeeplearning.com/

9. Materiais complementares indicados pelo docente.

Critério de Avaliação:

• Apresentação de seminários e artigos, 1 prova e 1 trabalho prático (ao final).

• Recomenda-se a resolução dos exercícios propostos (Assigments 1 to 5). 

Importante:

• Formulário de Cadastramento Classroom (clique aqui)

Cronograma:

• Programação do curso (a ser atualizada) 

Datas Importantes:

• Trimestre - 11/03 a 12/06.

• Prova -  24/04.

• Entrega de formulário de proposta de projeto - 22/04.

• Apresentação e entrega do artigo - 10/06 e 12/06. 

Material do Curso:

1. Modelo de artigo IEEE

2. Listas de Exercícios (enunciados disponíveis aqui).

3. Formulário de proposta de projeto final - entrega: 22/04

Avisos Importantes:

• [17/04/2025] Atualização de datas.

• [10/03/2025] Atualização para 2025/1.