IA y Datos
Retos de PLN (NLP)
Los retos de PLN (NLP) te sitúan en el centro del trabajo de enseñar a las máquinas a leer y dar sentido al lenguaje. Desarrollarás habilidades en los fundamentos del Procesamiento de Lenguaje Natural (NLP), Tokenización de Texto y Word Embeddings, y en tareas como Reconocimiento de Entidades Nombradas (NER) y Etiquetado de Secuencias usando NLTK.
A partir de ahí abordarás los temas más complejos — Fine-Tuning de Encoders (familia BERT) con Hugging Face Transformers, Tokenización Personalizada, Extracción de Relaciones, Recuperación de Información y NLP Multilingüe — construyendo Representación del Conocimiento como lo hacen los equipos reales de NLP. Cada reto que resuelvas te otorga una credencial verificada para mostrar a los reclutadores.
Proyectos recomendados
· Reconocimiento de Entidades Nombradas (NER) Limpiar- CodeIntermedioNuevo
Construye un anonimizador de transcripciones clínicas en español
Recibirás 3.000 transcripciones anonimizadas parcialmente para uso académico, con anotaciones de entidades sensibles. Construirás un sistema que combine spaCy ES + un modelo afi…
- Reconocimiento De Entidades Nombradas (Ner)
- Privacy Engineering
- Python O Javascript
Linguistic Engineering and Language Technologies - CodeFundamentosNuevo
Extracción de entidades y resumen automático de contratos de suministro para startup logística portuaria
Construye un prototipo de sistema de extracción de información de documentos legales que: (1) convierta contratos de suministro en PDF a texto estructurado, (2) identifique y cl…
- Procesamiento De Lenguaje Natural (NLP)
- Reconocimiento De Entidades Nombradas (Ner)
- Document Processing
Text Analytics and Natural Language Processing - CodePrincipianteNuevo
Pipeline de minería de texto para vigilancia de tendencias en cosmética
Diseñarás un pipeline modular: (1) ingesta de feeds RSS y APIs públicas, (2) limpieza y deduplicación, (3) extracción de ingredientes con un NER (Named Entity Recognition, recon…
- Text Mining
- Reconocimiento De Entidades Nombradas (Ner)
- Sentiment Analysis
Linguistic Engineering and Language Technologies - CodePrincipianteNuevo
Comprensión Anclada (Grounded Understanding) en Catálogos de eCommerce Mexicano
Recibes 5.000 descripciones de producto anotadas con sus atributos normalizados (dimensiones en cm, color en paleta de 24 valores, material en taxonomía de 15 valores). Construy…
- Grounded Language Understanding
- Reconocimiento De Entidades Nombradas (Ner)
- Normalization
Computational Semantics Practice your coursework on real scenarios.
Every challenge is shaped from real-world context — not generic exercises. The work mirrors what your degree prepares you for.
Why Ewance
- CodeIntermedioNuevo
Construye un modelo de extracción de información para una aseguradora bilbaína
Recibirás 2.500 partes anonimizados con 1.200 anotados con entidades de dominio. Implementa: (1) NER base con BETO fine-tuned, (2) NER mejorado con XLM-RoBERTa-large fine-tuned,…
- Reconocimiento De Entidades Nombradas (Ner)
- NLP Spanish
- Hugging Face Transformers
Natural Language Processing
Cómo funciona
Del briefing al certificado, en seis pasos.
Paso 01
Explora retos alineados con tus estudios.
Paso 02
Acepta el que encaja con tus metas.
Paso 03
Trabájalo con la guía del AI Copilot.
Paso 04
Envíalo para una evaluación estructurada.
Paso 05
Consigue una credencial verificada.
Paso 06
Añádela a LinkedIn con un solo clic.
Familias de competencias relacionadas
Explorar todas las competenciasIA y Datos
Estadística y Métodos de Ciencia de Datos
20 competencias
IA y Datos
Deep Learning
12 competencias
IA y Datos
Ingeniería de ML y MLOps
17 competencias
IA y Datos
IA Generativa y LLMs
12 competencias
IA y Datos
Fundamentos de Machine Learning
15 competencias
IA y Datos
Visión por Computador
11 competencias
Equipos del sector tras una década de briefings prácticos
¿Reclutando de este grupo?
Patrocina un reto y conoce candidatos a través de su trabajo real.
Los equipos de la industria pueden diseñar briefings en torno a las habilidades que buscan, y evaluar a los estudiantes por entregables puntuados con rúbrica — no por currículums.



















































































