Análisis y Extracción de Datos de Artículos de Noticias

PROYECTO DE PRÁCTICA DE PYTHON.

PROCESAMIENTO DEL LENGUAJE NATURAL

INSTRUCTOR
Robert Utterback
Robert es profesor titular de Ingeniería Informática en el  Monmouth College (US).
Ha trabajado en equipos de investigación e ingeniería de Software en Huawei y Cerner.
Robert está doctorado en “Computer Science” por la  Washington University en St. Louis y es licenciado en Matemáticas e Ingeniería Informática.

DESCRIPCIÓN DEL PROYECTO
El ejercicio a realizar se denomina Reconocimiento de Entidades Nombradas. Busca localizar y clasificar en categorías predefinidas, las entidades nombradas encontradas en un texto.
El objetivo del proyecto es leer múltiples artículos de noticias (el proyecto incluye el archivo txt con los artículos de noticias necesarios para llevar  a cabo el reto)  y extraer los nombres  de personas según los requisitos y condiciones establecidas en las instrucciones.
Además, se te pedirá implementar funciones para contar, modificar y añadir caracteres a los resultados.

CONTENIDO DE LA DESCARGA
Recibirás un correo electrónico con un archivo ZIP. Si eres un usuario registrado, el proyecto siempre estará disponible  en tu cuenta de usuario. El archivo ZIP está formado por los siguientes ficheros:

1. Un PDF con las instrucciones así como una guía con el proyecto descompuesto en los distintos ejercicios que tendrás que realizar para poder finalizarlo con éxito.
2. Un archivo .py con la solución del reto. No solamente contiene el código fuente sino también explicaciones detalladas y comentarios sobre cómo funciona el código. Además encontrarás enlaces a tutoriales recomendados en el caso de materias específicas.
3. Dos archivos .txt con el resultado de ejecutar el código así como el dataset con los artículos de noticias.

MATERIAS A PRACTICAR
– Librerías: tendrás que trabajar con las siguientes librerías de Python: Spacy, re, datetime.
– Funciones, bucles (for) y condicionales (if/else).
– Diccionarios, listas de comprensión y lectura de ficheros csv o txt (with open())
– Expresiones regulares básicas.
– Argparse para ejecutar desde la línea de comandos de Linux.

VERSIÓN
Python 3