Curso Completo de Procesamiento de Lenguaje Natural (NLP) con Python 🧠🚀

🌟 *¡Bienvenidos al Curso Completo de Procesamiento del Lenguaje Natural (NLP)!* 🌟
¿Quieres aprender a trabajar con datos textuales y convertirte en un experto en NLP? En este curso, te llevaré paso a paso desde los fundamentos hasta técnicas avanzadas utilizando Python, cubriendo todo lo que necesitas para dominar esta área emocionante de la inteligencia artificial.

🔗 **Repositorio del curso**:
  / curso-de-del-en-103179012  ]

☕ **Apóyame en Patreon**:
[https://www.patreon.com/user?u=47342775](https://www.patreon.com/user?u=47342775)

📚 **Curso de Python desde cero 2023**:
[   • 👉 Curso de Python Gratis desde Cero 2025 🐍...  ](   • 👉 Curso de Python Gratis desde Cero 2025 🐍...  )

✈ **Únete a nuestras comunidades**:

**Telegram**: [https://t.me/+F9c-RdxQYRk4YTdh](https://t.me/+F9c-RdxQYRk4YTdh)
**Discord**: [  / discord  ](  / discord  )

---

*Índice del Curso:*

Aquí tienes el contenido ordenado por tema y jerarquía para que sea más claro:

---

*Introducción y Fundamentos de NLP*

00:00 - Introducción
06:12 - Todo sobre los Vectores
12:25 - Bolsa de Palabras (Bag of Words)
17:41 - Método de Conteo
23:40 - Tokenización
34:58 - Stop words o Palabras de Parada
42:52 - Stemming y Lemmatization
53:53 - Ejercicio de Tokenización en Python

---

*Similitud de Textos y Representaciones Vectoriales*

01:13:32 - Similitud de Vectores
01:18:50 - Método TF-IDF
01:24:08 - Crear un Recomendador de Películas TF-IDF

---

*Word Embeddings y Representaciones Avanzadas*

01:40:00 - Neural Word Embeddings
01:53:33 - Analogías con Word Embeddings en Python
02:04:34 - Tus propios Embeddings Word2Vec en Python

---

*Modelos Probabilísticos (Markov)*

02:36:47 - Modelos Probabilísticos (de Markov)
02:44:02 - Modelos de Markov
02:52:09 - Suavizado y probabilidades logarítmicas
02:59:33 - Modelos de Markov y Clasificación de Texto
03:06:01 - Construyendo un Clasificador con Python
03:38:35 - Generación de Texto con Modelos de Markov
03:43:57 - Generador de Texto Modelos Markov y Python

---

*Generación y Spinning de Contenido*

04:13:30 - Article Spinning: Generar Contenido único
04:17:52 - Cómo hacer el Spinning de contenido
04:23:30 - Hacer un Spinning de contenido con Python

---

*Aprendizaje Automático aplicado a NLP*

04:48:56 - Aprendizaje Automático y NLP
04:53:03 - Detección de SPAM
04:58:17 - Regla de Naive Bayes
05:04:26 - Clasificador de Correos SPAM
05:16:22 - Análisis de Sentimientos
05:26:40 - Regresión Logística
05:34:08 - Regresión Logística Multiclase
05:41:07 - Análisis de Sentimientos en Python

---

*Resúmenes Automáticos*

06:01:17 - Resúmenes de Texto
06:11:44 - Resúmenes de Texto con Vectores
06:24:29 - Crear un resumen de textos con Python
06:44:24 - Crear resúmenes de textos con Text Rank
06:51:56 - Resumen de textos con Text Rank en Python

---

*Modelado de Temas*

07:13:18 - Modelado de Temas con LDA
07:19:40 - Clasificar artículos en temas con LDA

---

*Aprendizaje Profundo en NLP*

07:44:30 - Aprendizaje Profundo en NLP
07:48:32 - Modelo de Regresión Lineal con TensorFlow
07:57:24 - Clasificación Binaria con TensorFlow P1
08:03:08 - Clasificación Binaria con TensorFlow P2

---

*Redes Neuronales y su Aplicación*

08:10:38 - Neuronas Artificiales
08:16:57 - ¿Cómo aprenden las máquinas?
08:23:47 - Redes Neuronales Artificiales
08:28:23 - ¿Cómo 'Piensan' las Máquinas?
08:33:10 - Importancia de las redes neuronales
08:36:21 - Funciones de activación
08:39:55 - Clasificación Multiclases

---

*NLP con Redes Neuronales*

08:43:31 - Clasificación de Textos con TensorFlow en Python
08:55:54 - Preparación de Datos Textuales en PLN con TensorFlow
09:01:06 - Descifrando los Embeddings en PLN

---

*Redes Neuronales Convolucionales (CNNs)*

09:07:17 - Convolución: El Arte de Filtrar Imágenes con Redes Neuronales
09:13:14 - Emparejamiento de Patrones: El Corazón de la Visión por Computadora y PLN
09:17:10 - Descifrando Imágenes en Color: Convolución y Filtros 3D en IA
09:20:30 - Descifrando Imágenes en Color: Convolución y Filtros 3D en IA
09:25:34 - Aplicando Redes Neuronales Convolucionales (CNNs) en el Procesamiento de Texto y Secuencias
09:28:57 - Redes Neuronales Convolucionales (CNN) para Clasificación de Texto en Python

---

*Redes Neuronales Recurrentes (RNNs)*

09:39:33 - Redes Neuronales Recurrentes (RNNs)
09:45:24 - Clasificación de Texto con RNNs en Python con TensorFlow

---

Este formato organiza el contenido en bloques temáticos para que sea más fácil de seguir y entender la progresión del curso.

---

*¿Qué aprenderás en este curso?*

✅ Fundamentos de NLP: vectores, tokenización, stop words, stemming y lemmatization.
✅ Modelos Probabilísticos: Markov, TF-IDF y generación de texto.