{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# UD03 · Notebook 12 — Un sistema de PLN de punta a punta\n",
    "\n",
    "**Requisitos**\n",
    "\n",
    "Va en el **contenedor de la unidad** (`docker compose up -d` en la carpeta de la UD03), o en\n",
    "cualquier Python 3.12+ con:\n",
    "\n",
    "```bash\n",
    "pip install nltk spacy scikit-learn\n",
    "python -m spacy download es_core_news_sm\n",
    "```\n",
    "\n",
    "Este taller **no necesita GPU ni Colab**.\n",
    "\n",
    "**Objetivo**: construir un **extractor de entidades** (NER) para textos de un dominio concreto con\n",
    "`spaCy`, siguiendo la metodología del CE g (tarea → datos → herramienta → implementar → evaluar →\n",
    "documentar).\n",
    "\n",
    "Es una **entrega evaluable**: se corrige con la rúbrica de su tarea en Moodle."
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## Fase 1 — Define la tarea\n",
    "\n",
    "Elige un dominio (p. ej. **facturas**, **historias clínicas de ejemplo**, **noticias de\n",
    "tecnología**). Decide qué entidades quieres extraer (nombres de empresa, personas, lugares,\n",
    "fechas, importes, productos)."
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## Fase 2 — Datos\n",
    "\n",
    "Crea al menos **10 textos de ejemplo** del dominio en un fichero `textos.txt` (pueden ser\n",
    "inventados). Indica origen y licencia en el informe."
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## Fase 3 — Implementa con spaCy"
   ]
  },
  {
   "cell_type": "code",
   "metadata": {},
   "execution_count": null,
   "outputs": [],
   "source": [
    "%pip install spacy\n",
    "# python -m spacy download es_core_news_sm   # descomenta la primera vez\n",
    "\n",
    "import spacy\n",
    "\n",
    "nlp = spacy.load(\"es_core_news_sm\")\n",
    "\n",
    "# TU CÓDIGO: si es un extractor de entidades, añade un EntityRuler con tus patrones;\n",
    "# si es un matcher de preguntas, usa PhraseMatcher o Matcher\n",
    "..."
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## Fase 4 — Evalúa\n",
    "\n",
    "Compara las entidades que devuelve spaCy con las que esperabas (anótalas a mano primero).\n",
    "Calcula cuántas acertó y dónde falló. ¿Qué patrones añadirías?"
   ]
  },
  {
   "cell_type": "code",
   "metadata": {},
   "execution_count": null,
   "outputs": [],
   "source": [
    "textos_prueba = [\n",
    "    # TU CÓDIGO: al menos 10 textos de prueba\n",
    "]\n",
    "\n",
    "# TU CÓDIGO: ejecuta tu sistema sobre cada uno y anota si acierta\n",
    "..."
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "**✏️ Respuesta**: exactitud aproximada y **los errores, leídos uno a uno**: ¿qué tienen en\n",
    "común?\n",
    "\n",
    "*(escribe aquí)*"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## Fase 5 — Documenta\n",
    "\n",
    "Escribe en el informe: la **tarea**, el **origen/licencia de los datos**, la **herramienta**\n",
    "(spaCy + Matcher), las **reglas/patrones** usados, la **evaluación** (aciertos/fallos) y las\n",
    "**limitaciones** (dominio, textos fuera de contexto, ambigüedad)."
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## Fase 6 — Mejora (reto)\n",
    "\n",
    "Añade 2 patrones más de tu dominio (p. ej. fechas en formato \"dd/mm/aaaa\" o códigos de producto)\n",
    "y repite la evaluación. ¿Mejoró la cobertura?"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## Entrega\n",
    "\n",
    "Sube el **notebook ejecutado**, siguiendo los seis pasos de la metodología del §12.1.\n",
    "\n",
    "| Fase | Evidencia mínima |\n",
    "|---|---|\n",
    "| 1 | La tarea definida: qué entra, qué sale y para quién |\n",
    "| 2 | Los datos, con **origen, tamaño y licencia** |\n",
    "| 3 | El sistema implementado con spaCy y funcionando |\n",
    "| 4 | La evaluación sobre datos no vistos, con el análisis de errores |\n",
    "| 5 | La documentación: decisiones tomadas y **limitaciones asumidas** |\n",
    "| 6 | La mejora propuesta, aunque no esté implementada |\n",
    "\n",
    "Y la respuesta a: *¿por qué elegiste esa herramienta y no otra?* La respuesta buena habla de **los\n",
    "datos que tenías**, no de lo moderna que sea la técnica.\n",
    "\n",
    "**Soluciones**\n",
    "\n",
    "Las soluciones no se publican: se corrigen y comentan en clase."
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "name": "python",
   "version": "3.12"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}