Introduzione all'elaborazione del linguaggio naturale con PyTorch
In questo modulo verranno esaminate diverse architetture di rete neurale per gestire i testi in linguaggio naturale. Negli ultimi anni, l'elaborazione del linguaggio naturale ha registrato una rapida crescita, principalmente a causa delle prestazioni con cui i modelli linguistici sono in grado di "comprendere" con precisione il linguaggio umano più rapidamente durante l'uso di training non supervisionato su corpus di testo di grandi dimensioni. Verranno presentate diverse tecniche di elaborazione del linguaggio naturale, tra cui l'uso di rappresentazioni Bag-of-Words (BoW), l'incorporamento di parole e le reti neurali ricorrenti, per classificare il testo di titoli di notizie in base a una delle 4 categorie (mondo, sport, aziende e scienza/tecnologia).
Obiettivi di apprendimento
Contenuto del modulo:
- Informazioni sull'elaborazione del testo per le attività di elaborazione del linguaggio naturale
- Introduzione alle reti neurali ricorrenti e alle reti neurali generative
- Informazioni su come creare modelli di classificazione del testo
Prerequisiti
- Conoscenza di base di Python
- Conoscenza di base della modalità di utilizzo di Jupyter Notebook
- Informazioni di base sull'apprendimento automatico