Doble Grado en Análisis de Negocios y Administración y Dirección de Empresas (UFV)

Diapositivas del capitulo 3: agentes que resuelven problemas, estrategias de busqueda no informada y busqueda heuristica, con los algoritmos y los ejemplos. 109 diapositivas en ingles.

Diapositivas del capitulo 2: agentes y entornos, como se define un problema de inteligencia artificial, tipos de agente y el ejemplo del aspirador programado en Python. 60 diapositivas en ingles.

Diapositivas de introduccion al text mining: los cuatro pasos del proyecto, extraccion de datos de Twitter con la API, huso horario, bolsa de palabras y analisis. 8 diapositivas.

Diapositivas del nucleo del tema: limpieza de texto y tokenizacion, bolsa de palabras, visualizacion con nube de palabras, el peso TF-IDF y los diccionarios de sentimientos. 17 diapositivas.

Script en R que calcula el TF-IDF con tidytext sobre el corpus de janeaustenr como ejemplo, para ver como pesa cada termino en cada documento.

Script en R que calcula las frecuencias de los terminos de la bolsa de palabras y las prepara para representarlas.

Script en R que construye la bolsa de palabras con tm y SnowballC: limpieza del texto, tokenizacion y matriz de terminos, partiendo del fichero de tuits guardado.

Script en R que ajusta el huso horario de los tuits descargados usando tidyverse y lubridate, dejandolos listos para el analisis temporal.