Un manuale che fornisce gli strumenti per la corretta comprensione e implementazione dei modelli di Machine Learning e di Intelligenza Artificiale per l’analisi del linguaggio naturale.
Dopo un’introduzione sul NLP come ambito interdisciplinare in cui si intersecano lo studio delle lingue naturali, le tecnologie informatiche e l’intelligenza artificiale, il volume si articola in tre parti: la prima è una panoramica delle nozioni preliminari, la seconda si focalizza sulle tecnologie del linguaggio e la terza parte è dedicata ai modelli fondazionali, che rappresentano il principale cambio recente di paradigma. In chiusura un ‘Focus’ di approfondimento sulle questioni etiche legate all’utilizzo delle tecnologie basate sull’IA.
La trattazione teorica è integrata da approfondimenti su temi applicativi delle tecnologie in contesti reali e da risorse online come tutorial per l’apprendimento del linguaggio Python applicato al NLP.
Introduzione. Metodologie di base: Dati linguistici.- Annotare i dati linguistici - Probabilità e linguaggio - Language Model - Rappresentare le parole con i vettori: la semantica distribuzionale. Metodi di apprendimento automatico: Strategie di apprendimento - Modelli supervisionati basati su feature - Reti neurali - Modelli distribuzionali “predict” - Valutazione dei modelli. Modelli fondazionali: Neural Language Model - Un modello per tanti task - Interagire con gli LLM - Modelli multimodali.
Alessandro Lenci è professore ordinario all’Università di Pisa dove insegna Linguistica computazionale e dirige il Laboratorio di Linguistica Computazionale (CoLing Lab).
Martina Miliani, PhD e Membro del CoLing Lab, insegna Natural Language Processing all’Università di Palermo.
Serena Auriemma è dottoranda in Discipline Linguistiche e Letterature straniere presso l’Università di Pisa.
Qui di seguito alcuni testi suggeriti