Informe de Clase – IA (G120L2 v3.2)

Introducción

En este curso se integró teoría y práctica para comprender el Procesamiento del Lenguaje Natural (PLN), el Análisis de Sentimientos y reconocer servicios de IA en AWS, conectando conceptos con ejercicios ejecutables en la web.

Objetivos

Comprender fundamentos de PLN.
Aplicar Análisis de Sentimientos a textos en español.
Explorar servicios de IA de AWS para producción.
Prototipar interfaces con Gradio y publicar en Spaces.

Temas vistos en clase

1) Procesamiento del Lenguaje Natural (PLN)

Definición: IA aplicada al lenguaje humano.
Niveles: morfológico, sintáctico, semántico y pragmático.
Aplicaciones: búsqueda, traducción automática, voz a texto, extracción de información.

2) Análisis de Sentimientos

Clasificación de polaridad (positiva, negativa, neutra).
Enfoques: supervisado (Naive Bayes, SVM, KNN, Árboles) y lexicones.
Casos de uso: reputación, campañas, finanzas y recomendaciones.

3) Servicios de IA en AWS

Rekognition: visión por computadora (rostros, etiquetas, texto).
Transcribe: de voz a texto (ASR).
Polly: texto a voz natural.
Translate: traducción automática.
Lex & Connect: chatbots y contact center.

Comprehend: PNL, entidades, sentimiento.
SageMaker: ciclo de vida de ML.
Forecast: series temporales.
Kendra: búsqueda inteligente.
Personalize: recomendaciones.
Textract: extracción en documentos.

Documentación: AWS AI/ML

Ejercicios y Demos en Hugging Face

🔍 Analizador de Texto con spaCy

Demo interactivo que muestra análisis morfológico y sintáctico usando la librería spaCy. Permite visualizar entidades nombradas, dependencias sintácticas y categorías gramaticales.

Ver Demo spaCy

📊 Análisis de Sentimientos Multimodelo

Comparativa de diferentes modelos para análisis de sentimientos en español. Incluye visualización de resultados y métricas de comparación entre modelos.

Probar Análisis

🚀 Demostración Space2

Interfaz adicional que muestra capacidades avanzadas de procesamiento de lenguaje natural y ejemplos prácticos de implementación.

Ver Demo Space2

Herramientas y Sitios Utilizados

GitHub: plataforma para control de versiones y colaboración.
Hugging Face: comunidad y despliegue de modelos/demos (Spaces).
X Developer: portal de APIs de X (Twitter) para datos y tendencias.
Google Colab: entorno de ejecución para experimentación con modelos.
Visual Studio Code: editor de código para desarrollo de aplicaciones.

Cómo se logró este informe

Recolección: Descarga y organización del material desde Google Classroom.
Práctica: Desarrollo de ejercicios en Python (spaCy, TextBlob/NLTK, Transformers) y prototipos en Gradio.
Despliegue: Publicación de demos en Hugging Face Spaces (SDK Gradio) y del informe en un Space Static.
Integración: Un único HTML5 con navegación, modo presentación y enlaces a los demos.
Apoyo IA: Uso de IA asistiva para estructurar, redactar y mejorar la presentación.
Optimización: Mejoras de accesibilidad, SEO y experiencia de usuario en esta versión 3.2.

Créditos, Agradecimientos y Referencias

Créditos y Agradecimientos: Trabajo presentado por Martha Lasso Collantes y Jorge Enrique Barón, con apoyo de herramientas de Inteligencia Artificial. Agradecimiento al docente Ing Osmer Ruiz por la guía en el curso Inteligencia Artificial Intermedio (G120L2).

Referencias

Material de clase (Google Classroom).
Russell, S. & Norvig, P. (2020). Artificial Intelligence: A Modern Approach.
Goodfellow, I., Bengio, Y. & Courville, A. (2016). Deep Learning.
AWS – Servicios de IA/ML.
Hugging Face – Plataforma de modelos de IA.