I data scientists che vogliono usare tecniche di machine learning e/o deep learning devono avere ben chiaro alcuni concetti chiave: i dati, i modelli, le funzioni obiettivo e gli algoritmi di ottimizzazione. Analizziamoli nel dettaglio per comprendere come usarli nei nostri progetti.

Il deep learning è uno strumento che ha invaso la vita di tutti i giorni. Molte delle applicazioni che usiamo quotidianamente si basano su modelli costruiti con tecniche specifiche che accumulano esperienza osservando i dati a nostra disposizione. Scopriamo cos’è e come influenza l’utilizzo e l’esperienza delle nostre applicazioni.

Quali sono i modelli NLP che hanno fatto la storia? In questa guida scopriremo alcuni di questi oltre ad una panoramica delle librerie più utilizzate per sviluppare i modelli. Infine, tratteremo alcune controversie che sono nate in questo campo.

L’elaborazione del linguaggio naturale (NLP) ci permette di creare dei sistemi in gradi di interpretare ciò che noi scriviamo. Ma come vengono trattai i dati che sono alla base di questi modelli? E quali sono le tecniche maggiormente utilizzate? In questa guida analizzeremo questi aspetti.

Ogni giorno ci interfacciamo con sistemi informatici che rispondono alle nostre domande in linguaggio naturale. Ma come fanno i programmi dei nostri giorni ad essere così “intelligenti” da risponderci? Per rispondere a questa domanda dobbiamo comprendere cos’è l’elaborazione del linguaggio naturale. Questa guida ci introdurre in questo ramo dell’informatica.