Libri Universitari › Tamburini – Neural Models for the Automatic Processing of…
Tamburini – Neural Models for the Automatic Processing of…
Pàtron · 2022 · ISBN 9788855535762
7.4 / 10
Difficoltà alto
2 facoltà
lo adottano, in 1 ateneo1 docente · 5 corsi di laurea
Scheda libro
Titolo
Neural models for the automatic processing of Italian
Autori
Tamburini, Fabio <1968- > Fabio Tamburini
Editore
Pàtron, 2022
Edizione
2022
ISBN
9788855535762
Lingua
Italiano
Pagine
274
Tipo
Manuale universitario
Studio
≈ 3 settimane
Cosa si studia con questo libro Tamburini – Neural Models for the Automatic Processing of…: di cosa parla
Neural Models for the Automatic Processing of Italian presenta i modelli neurali applicati all'elaborazione automatica della lingua italiana. Il libro si colloca nel punto d'incontro tra linguistica computazionale e apprendimento automatico, e mostra come le reti neurali trattino testi scritti in una lingua precisa, con le sue caratteristiche morfologiche e sintattiche. Fa al caso di chi studia trattamento automatico delle lingue naturali, di chi lavora sui modelli neurali per il linguaggio e di chi cerca un testo che unisca competenze linguistiche e informatiche.
Dove acquistarlo Tamburini – Neural Models for the Automatic Processing of…: prezzo nuovo e usato su Amazon, IBS e Libraccio
Chi lo adotta Tamburini – Neural Models for the Automatic Processing of…: esami, corsi di laurea e docenti che lo indicano
Bologna 2 facoltà · 6 esami
Tamburini – Neural Models for the Automatic Processing of… a Bologna: Trattamento Automatico delle Lingue Naturali (Lm), Modelli Neurali per L'Elaborazione del Linguaggio Naturale (1) (Lm), Text Retrieval, Analysis And Mining (1) (Lm), prof. Tamburini
Di cosa si tratta: Natural Language Processing, con problemi e prospettive, linguistica dei corpora, modelli probabilistici e n-grammi aprono lo studio del trattamento automatico delle lingue. Seguono tecniche di machine learning, metodologie di valutazione in linguistica computazionale, tokenizzazione e sentence splitting, livelli di analisi linguistica da un punto di vista computazionale.
Di cosa si tratta: Classificazione e clustering con Scikit-Learn, tramite SVC, KNN e alberi decisionali, richiamano il machine learning. L'addestramento delle reti profonde considera funzioni di attivazione, funzioni di loss, ottimizzazione e calcolo automatico del gradiente nel framework PyTorch. Seguono esperimenti con Multi-Layer Perceptron e reti ricorrenti, la struttura del Transformer, BERT, pre-training e fine-tuning.
Di cosa si tratta: Creazione, gestione e interrogazione di corpora: rappresentatività, annotazioni e querying, legge di Zipf, web come corpus, tokenisation, sentence splitting ed espressioni regolari. Seguono annotazioni multimodali con annotation graph, corpora XML, pacchetti di interrogazione, casi di studio su corpora scritti e parlati di italiano e inglese e Machine Learning applicato all'analisi testuale.
Tempo consigliato per preparare l’esame: 13 settimane (3 mesi)
Slides, handouts and papers downloadable from the course web site. · The course contents for students not attending the lessons are the same. However, s tudents not able to attend the lessons are strongly invited to contact the teacher to get some explanations and avoid any misunderstanding about the course…
Di cosa si tratta: Machine learning e deep learning vengono ripassati con classificazione e clustering in Scikit-Learn, tramite SVC, KNN e alberi decisionali. Poi funzioni di attivazione, funzioni di loss, ottimizzazione e calcolo automatico del gradiente in PyTorch portano a perceptron multistrato e reti ricorrenti, fino alla struttura del Transformer, a BERT e GPT, a pre-training e fine-tuning, con BERT sul benchmark GLUE.
Di cosa si tratta: Natural Language Processing, con problemi e prospettive, apre il quadro insieme a un ripasso di linguistica dei corpora, modelli probabilistici e n-grammi. Seguono il trattamento automatico delle lingue, le tecniche di machine learning e le metodologie di valutazione dei prodotti della disciplina. Tokenizzazione, sentence splitting e livelli di analisi linguistica in prospettiva computazionale completano l'impianto.
Di cosa si tratta: Trattamento automatico delle lingue, con problemi e prospettive, richiami di linguistica dei corpora, modelli probabilistici e n-grammi e metodologie di valutazione dei prodotti della linguistica computazionale, apre il quadro. Seguono tokenizzazione, sentence splitting e i livelli di analisi linguistica da un punto di vista computazionale, fino alla fonetica computazionale.
Domande frequenti su Tamburini – Neural Models for the Automatic Processing of…
Per quale esame serve Tamburini – Neural Models for the Automatic Processing of…?
È indicato per Trattamento Automatico delle Lingue Naturali (Lm), Modelli Neurali per L'Elaborazione del Linguaggio Naturale (1) (Lm), Text Retrieval, Analysis And Mining (1) (Lm), Neural Models For Natural Language Processing (1) (Lm) a Bologna, dal prof. Fabio Tamburini. A.a. 2026/2027.
Quali libri indica il prof. Fabio Tamburini per Trattamento Automatico delle Lingue Naturali (Lm)?
Per Trattamento Automatico delle Lingue Naturali (Lm) (Bologna) il prof. Fabio Tamburini indica Tamburini – Neural Models for the Automatic Processing of…; l'elenco completo dei testi, obbligatori e facoltativi, è nella sezione «Chi lo adotta» di questa pagina.
Qual è il prezzo migliore di Tamburini – Neural Models for the Automatic Processing of…?
Il comparatore prezzi di questa pagina mette a confronto Amazon, IBS e Libraccio, nuovo e usato: su Amazon il prezzo aggiornato è nella scheda del negozio.
Quanto tempo serve per studiare Tamburini – Neural Models for the Automatic Processing of…?
≈ 3 settimane: il tempo è calcolato sulle pagine del libro e sui crediti dell'esame.
Qual è l'ISBN di Tamburini – Neural Models for the Automatic Processing of…?
L'ISBN è 9788855535762 (editore Pàtron).
Sei uno studente tra i 18 e i 22 anni?Con Prime Student hai 90 giorni gratis, poi Amazon Prime a soli 2,49 € al mese: consegne veloci e gratuite anche sui libri.Scopri Prime Student ›
Come leggere questi datiCome è calcolata la difficoltà ›
Crediti (CFU)
50%
1 CFU = 25 ore di studio (dato ufficiale). Più crediti, più ore.
Densità di lettura
50%
pagine dei libri indicati divisi per i CFU (pagine dalla scheda SBN; se non note, una stima di 400 pagine a libro).
Ogni esame si confronta solo con quelli della sua area (scientifico-tecnica, umanistica, giuridico-sociale, sanitaria, economica): un esame di lettere non viene misurato con matematica. Il numero 1-10 è la posizione dell'esame nella sua area; per il libro si fa la media degli esami che lo adottano. Non contano anno di corso, laurea triennale o magistrale e lunghezza del programma: non dicono quanto si studia. È una stima del carico, non una difficoltà misurata.
Atenei e facoltà in ordine di diffusione. Per ogni esame: docente, corso di laurea, facoltà e il confronto con gli altri libri che indica.
Controlla sempre la scheda dell'esame. Le informazioni vengono dalle schede ufficiali degli atenei e possono cambiare o contenere errori: prima di acquistare verifica i testi sulla scheda ufficiale dell'esame (la trovi linkata in ogni esame) e, nel dubbio, chiedi al docente.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.
Questo sito usa solo strumenti tecnici (nessun cookie di profilazione). I link ai negozi sono link di affiliazione. Cookie policy · Privacy
Libri UniversitariZoom 100%