{
 "cells": [
  {
   "cell_type": "markdown",
   "id": "e5b020ca3265da72",
   "metadata": {
    "collapsed": false
   },
   "source": [
    "# UD03 · Notebook 9 — Clasificador de preguntas\n",
    "\n",
    "## Clasificar preguntas\n",
    "\n",
    "En la práctica [Clasificación de texto con PyTorch](https://colab.research.google.com/github/martinezpenya/ModelosIA/blob/main/docs/UD03/notebooks/UD03_N02_clasificacion_texto_torch.ipynb) hemos visto el proceso para convertir un texto en una representación numérica que pueda ser utilizada por un algoritmo de aprendizaje automático. Hemos visto diferentes representaciones como *Bolsa de palabras* (BoW) y *incrustaciones de palabras* (word embeddings) y cómo entrenar una red neuronal para clasificar texto.\n",
    "\n",
    "En esta práctica, deberás repetir el proceso para clasificar las preguntas en temas. Usaremos el conjunto de datos **TREC** de preguntas en inglés, en su versión moderna: [`SetFit/TREC-QC`](https://huggingface.co/datasets/SetFit/TREC-QC).\n",
    "\n",
    "**el identificador del *dataset***\n",
    "\n",
    "`datasets` ya no ejecuta scripts de carga («*Dataset scripts are no longer supported*»), así\n",
    "que el identificador clásico `trec` (o `CogComp/trec`) **ya no funciona**, tampoco fijando una\n",
    "versión antigua de la librería. Usa `load_dataset(\"SetFit/TREC-QC\")`, que es la misma base de\n",
    "preguntas ya convertida al formato actual. La categoría gruesa está en la columna\n",
    "`label_coarse_text`.\n",
    "\n",
    "### Objetivos de la práctica\n",
    "\n",
    "* Reproducir el proceso de [Clasificación de texto con PyTorch](https://colab.research.google.com/github/martinezpenya/ModelosIA/blob/main/docs/UD03/notebooks/UD03_N02_clasificacion_texto_torch.ipynb) para clasificar preguntas por temática.\n",
    "* Preparar una red neuronal con PyTorch para la clasificación.\n",
    "* Probar al menos dos representaciones (bolsa de palabras y *embeddings*) para convertir el texto en números.\n",
    "* Comparar los resultados obtenidos con cada representación.\n",
    "\n",
    "### Parte escrita (RA3-b, RA3-e, RA3-f)\n",
    "\n",
    "Añade al final una sección de **conclusiones** que responda:\n",
    "\n",
    "1. Si tuvieras que anotar manualmente 1.000 preguntas nuevas con su tema, ¿qué decisiones de\n",
    "   *tagset* tomaría un lingüista antes de empezar? (Pista: repasa el §7.2 de la teoría.)\n",
    "2. ¿Qué perfiles harían falta si este proyecto creciera a un producto real de atención al cliente?\n",
    "3. ¿Qué formación necesitarías tú para mejorar este sistema más allá de lo visto en la unidad?\n",
    "",
    "\n",
    "## Entrega\n",
    "\n",
    "Completa y ejecuta el notebook entero (todas las celdas, sin errores) antes de subirlo a la tarea\n",
    "correspondiente en Moodle."
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 2
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython2",
   "version": "2.7.6"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}