Natural language processing
A.A. 2026/2027
Obiettivi formativi
The aim of the course is to provide an introduction to the fundamental concepts related to Natural Language Processing (NLP) as well as an overview of the main tools used in the field. Moreover, some NLP applications will be presented, e.g. information retrieval, machine translation and automatic misogyny identification.
Risultati apprendimento attesi
After successfully completing the course, students will be able to:
-know the base concepts of the Natural Language Processing field.
-explain the common computational vector space models for words applied in language technology.
-describe the challenges related to word vector models.
-know how to address some Natural Language Processing applications.
-know the base concepts of the Natural Language Processing field.
-explain the common computational vector space models for words applied in language technology.
-describe the challenges related to word vector models.
-know how to address some Natural Language Processing applications.
Periodo: Secondo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento può essere seguito come corso singolo.
Programma e organizzazione didattica
Edizione unica
Periodo
Secondo semestre
Programma
Il corso include i principi fondamentali dell'elaborazione del linguaggio naturale (NLP) e offre una panoramica degli strumenti chiave utilizzati in questo campo. Verranno trattati diversi argomenti, dalle tecniche statistiche ai recenti progressi negli approcci neurali. Inoltre, il corso prevede dimostrazioni pratiche di diverse applicazioni NLP, tra cui la traduzione automatica e la classificazione del testo.
Prerequisiti
Conoscenza di base di statistica, apprendimento automatico e linguaggi di programmazione.
Metodi didattici
Il corso si terrà in inglese e consisterà sia in lezioni introduttive sugli argomenti principali, sia in sessioni di esercitazione.
Il corso potrà includere seminari tenuti da esperti di livello nazionale e internazionale.
Il corso potrà includere seminari tenuti da esperti di livello nazionale e internazionale.
Materiale di riferimento
Daniel Jurafsky and James Martin, "Speech and Language Processing, 2nd Edition", Prentice Hall, 2008.
Emily M. Bender, "Linguistic Fundamentals for Natural Language Processing", Synthesis lectures on human language technologies, Morgan&Claypool Publishers, 2013.
Yoav Goldberg, "Neural Network Methods for Natural Language Processing", Synthesis lectures on human language technologies, Morgan&Claypool Publishers, 2017.
Mohammad Taher Pilehvar and Jose Camacho-collados, "Embeddings in Natural Language Processing", Synthesis Lectures on Human Language Technologies, Morgan & Claypool Publishers, 2021.
Emily M. Bender, "Linguistic Fundamentals for Natural Language Processing", Synthesis lectures on human language technologies, Morgan&Claypool Publishers, 2013.
Yoav Goldberg, "Neural Network Methods for Natural Language Processing", Synthesis lectures on human language technologies, Morgan&Claypool Publishers, 2017.
Mohammad Taher Pilehvar and Jose Camacho-collados, "Embeddings in Natural Language Processing", Synthesis Lectures on Human Language Technologies, Morgan & Claypool Publishers, 2021.
Modalità di verifica dell’apprendimento e criteri di valutazione
Progetto
· Il progetto consiste nello sviluppo di uno strumento di elaborazione del linguaggio naturale (NLP) basato sui metodi e sui modelli presentati durante il corso.
· Ogni gruppo/individuo deve individuare un ambito di interesse e un dataset per i quali intende affrontare specifici compiti di NLP.
· Il progetto deve essere presentato oralmente.
· Il progetto sarà valutato con un punteggio compreso tra [0 e 24].
Esame orale
· L'esame orale può avere un punteggio compreso tra [-8; +8].
· Consiste in 4 domande su argomenti trattati durante il corso: -2 punti per risposta errata o mancata risposta, +2 punti per risposta corretta.
Non sono previsti esami intermedi.
· Il progetto consiste nello sviluppo di uno strumento di elaborazione del linguaggio naturale (NLP) basato sui metodi e sui modelli presentati durante il corso.
· Ogni gruppo/individuo deve individuare un ambito di interesse e un dataset per i quali intende affrontare specifici compiti di NLP.
· Il progetto deve essere presentato oralmente.
· Il progetto sarà valutato con un punteggio compreso tra [0 e 24].
Esame orale
· L'esame orale può avere un punteggio compreso tra [-8; +8].
· Consiste in 4 domande su argomenti trattati durante il corso: -2 punti per risposta errata o mancata risposta, +2 punti per risposta corretta.
Non sono previsti esami intermedi.
INFO-01/A - Informatica - CFU: 6
Lezioni: 48 ore
Docente:
Raganato Alessandro