Conteúdo / Main content
Menu Rodapé
  1. Início
  2. Cursos
  3. Inteligência Artificial e Ciência de Dados
  4. Processamento de Linguagem Natural

Processamento de Linguagem Natural

Código 16684
Ano 3
Semestre S1
Créditos ECTS 6
Carga Horária PL(30H)/T(30H)
Área Científica Informática
Objectivos de Aprendizagem O Processamento de Linguagem Natural (PLN) procura compreender e reproduzir computacionalmente a linguagem, um dos traços centrais da inteligência humana. Esta UC combina fundamentos de linguística, estatística, lógica e aprendizagem automática, abordando desde técnicas clássicas até modelos recentes, como os transformadores. Para além de métodos, o PLN abre caminho a aplicações quotidianas: motores de pesquisa, assistentes virtuais, tradução automática, análise de sentimentos e apoio à ciência de dados. O domínio destas ferramentas desenvolve competências técnicas e uma visão crítica sobre limites, desafios e responsabilidades no uso da linguagem por sistemas computacionais. O percurso é orientado para a prática: trabalhar com corpora reais, experimentar modelos pré-treinados e bibliotecas especializadas, e criar soluções aplicáveis. No final, os estudantes deverão aplicar, avaliar e conceber abordagens criativas e responsáveis para novos desafios de texto e linguagem natural.
Conteúdos programáticos
1. Introdução, contexto e motivação;
2. Operações textuais elementares;
3. Modelação lexical;
4. Modelação sintática;
5. Vectorização documental;
6. Vectorização lexical;
7. Representação semântica;
8. Modelos neuronais no PLN;
9. Computação com linguagem humana.
Metodologias de Ensino e Critérios de Avaliação O processo de avaliação da UC é estruturado de forma a combinar avaliação contínua ao longo do semestre, motivando o envolvimento e a aprendizagem prática dos estudantes. A avaliação contínua inclui provas escritas, um trabalho final e atividades práticas, permitindo medir o desempenho de forma progressiva. Os exames finais integram uma prova escrita e o trabalho final, garantindo alternativas de recuperação. A assiduidade é também considerada, sendo obrigatória a presença em pelo menos 90% das aulas teóricas e práticas. Este modelo visa assegurar que os estudantes desenvolvam competências técnicas sólidas, responsabilidade académica e a capacidade do estudante de aplicar conhecimentos adquiridos em situações concretas.
Bibliografia principal [1] Daniel Jurafsky and James H. Martin. 2025. Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition with Language Models, 3rd edition. Online manuscript released August 24, 2025. https://web.stanford.edu/~jurafsky/slp3.

[2] Steven Bird, Ewan Klein, and Edward Loper. 2009. Natural Language Processing with Python (1st. ed.). O'Reilly Media, Inc.

[3] Tunstall, L., Von Werra, L., & Wolf, T. 2022. Natural language processing with transformers. " O'Reilly Media, Inc.".
Língua Português
Data da última atualização: 2025-09-25
As cookies utilizadas neste sítio web não recolhem informação pessoal que permitam a sua identificação. Ao continuar está a aceitar a política de cookies.