P1.2. APIs Transformers
Contents
17. P1.2. APIs Transformers#
Nota
Lee con atención la práctica 1.2 del bloque 2. Realiza los ejercicios y una entrega unificada (práctica 1.1 y 1.2), la cual se anunciará en la introducción de la asignatura y a través del uaCloud.
Tiempo de dedicación: 1 hora y 30 minutos (asíncrona) + 1 hora y 30 minutos trabajo independiente
17.1. Clase práctica.#
17.1.1. Uso de APIs Transformers: Caso de estudio de Análisis de Sentimientos#
17.1.2. Descripción#
En esta clase práctica estudiaremos cómo usar APIs (modelos de Transformers ya entrenados) para resolver problemas generales, en este caso uno de análisis de sentimientos. Se orientarán ejercicios a resolver en los que el estudiante deberá usar APIs que utilizan modelos ya entrenados, mostrados en los ejemplos estudiados, para adaptarlos a la resolución de los ejercicios.
17.1.3. Ejemplo demostrativo#
API Transformers Basic:
17.1.4. Ejercicios#
17.1.4.1. Ejercicio 1 (opcional)#
Basándose en el ejemplo anterior haga uso del siguiente dataset y diseñe su propio sistema para el análisis de sentimientos. Se disponibilizan unas funciones python para la limpieza y carga de dataset.
sample_data/ejercicio_tripadvisor.csv
tripadvisor_Utils.py
17.1.4.2. Ejercicio 2 (opcional)#
Basándose en el ejemplo anterior haga uso del siguiente dataset y diseñe su propio sistema para el análisis de sentimientos. Se disponibilizan unas funciones python para la limpieza y carga de dataset.
sample_data/ejercicio_bbc_train.csv
sample_data/ejercicio_bbc_test.csv
17.1.4.3. Ejercicios adicionales (opcional)#
Elige alguno de los siguientes datasets y conforma tu propio sistema de sentiment analysis.
Product review (recomendado)
17.1.5. Criterios a tener en cuenta para la práctica:#
El cuaderno a entregar no debe tener errores de ejecución.
Cada modificación de autor incorporada en cuaderno debe ser señalada con comentario. Por ejemplo ####Codigo NOMBRE_DEL_AUTOR ….#####.
Se deben comentar y describir los aportes realizados por el autor, y explicar los motivos
Se deben evaluar varias opciones de experimentación (i.e. preprocesamiento, configuraciones, tecnologías, modelos) y explicarlas.
Se deben describir discusiones y conclusiones del estudio.