Programma
Il programma d'esame si compone
in modo incrementale a seconda dei CFU:
| 6 CFU |
- Parte I: Introduzione
- Natural Language Processing - Problemi e prospettive
- Cenni di calcolo delle probabilità
- N-grammi e modelli delle lingue
- Modelli di Markov
- Introduzione al Machine Learning e al Deep Learning
- The evaluation of NLP applications
- Part II: Il Natural Language and Speech Processing
- Fonetica Computazionale e Elaborazione del Parlato
- Caratteristiche del campione audio - parametri significativi
- Analisi in frequenza – Spettrogrammi – Tratti soprasegmentali
- Applicazioni per l’elaborazione automatica della lingua parlata.
- Speech recognition con HMM e Deep Neural Networks
- Tokenisation e Sentence splitting
- Morfologia computazionale
- Generazione e analisi morfologica
- Lemmari, Two-level morphology
- Sintassi computazionale
- Part-of-speech tagging
- Grammatiche per il linguaggio naturale
- Parsing del linguaggio naturale - metodologie e problematiche
- Approfondimento: Grammatiche formali per l'analisi delle lingue.
- Linguaggi formali e linguaggio naturale. La complessità del linguaggio naturale.
- Grammatiche phrase structure, Grammatiche a Dipendenze
- Treebank
- Lexicalised Tree-Adjoining Grammar.
- Semantica computazionale
- Semantica lessicale: WordNet e FrameNet
- Word Sense Disambiguation
- Modelli lessico-semantici distribuzionali e Word-Space models
- Word/Sentence/Text embedding
|
| 9 CFU |
- Parte III: Applicazioni - Case study:
- Solving Downstream Tasks with LLMs: Document classification, Sentiment Analysis, Named Entity Recognition, Semantic Textual Similarity
- Prompting Pre-Trained Language Models
- Fare Linguistica Computazionale senza i Transformer
- Identificazione Automatica della Prominenza Prosodica
- Cenni di Stilometria e Dialettometria
- Digital Linguistic Biomarker per l'analisi del linguaggio patologico
- Network Embedding
|
| 12 CFU |
|
|