Studiare
In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.
Tipologia di Attività formativa D e F
Queste informazioni sono destinate esclusivamente agli studenti e alle studentesse già iscritti a questo corso.Se sei un nuovo studente interessato all'immatricolazione, trovi le informazioni sul percorso di studi alla pagina del corso:
Laurea magistrale in Artificial Intelligence - Immatricolazione dal 2025/2026Le attività formative di tipologia D sono a scelta dello studente, quelle di tipologia F sono ulteriori conoscenze utili all’inserimento nel mondo del lavoro (tirocini, competenze trasversali, project works, ecc.). In base al Regolamento Didattico del Corso, alcune attività possono essere scelte e inserite autonomamente a libretto, altre devono essere approvate da apposita commissione per verificarne la coerenza con il piano di studio. Le attività formative di tipologia D o F possono essere ricoperte dalle seguenti attività.
1. Insegnamenti impartiti presso l'Università di Verona
Comprendono gli insegnamenti sotto riportati e/o nel Catalogo degli insegnamenti (che può essere filtrato anche per lingua di erogazione tramite la Ricerca avanzata).
Modalità di inserimento a libretto: se l'insegnamento è compreso tra quelli sottoelencati, lo studente può inserirlo autonomamente durante il periodo in cui il piano di studi è aperto; in caso contrario, lo studente deve fare richiesta alla Segreteria, inviando a carriere.scienze@ateneo.univr.it il modulo nel periodo indicato.
2. Attestato o equipollenza linguistica CLA
Oltre a quelle richieste dal piano di studi, per gli immatricolati dall'A.A. 2021/2022 vengono riconosciute:
- Lingua inglese: vengono riconosciuti 3 CFU per ogni livello di competenza superiore a quello richiesto dal corso di studio (se non già riconosciuto nel ciclo di studi precedente).
- Altre lingue e italiano per stranieri: vengono riconosciuti 3 CFU per ogni livello di competenza a partire da A2 (se non già riconosciuto nel ciclo di studi precedente).
Tali cfu saranno riconosciuti, fino ad un massimo di 6 cfu complessivi, di tipologia F se il piano didattico lo consente, oppure di tipologia D. Ulteriori crediti a scelta per conoscenze linguistiche potranno essere riconosciuti solo se coerenti con il progetto formativo dello studente e se adeguatamente motivati.
Gli immatricolati fino all'A.A. 2020/2021 devono consultare le informazioni che si trovano qui.
Modalità di inserimento a libretto: richiedere l’attestato o l'equipollenza al CLA e inviarlo alla Segreteria Studenti - Carriere per l’inserimento dell’esame in carriera, tramite mail: carriere.scienze@ateneo.univr.it
3. Competenze trasversali
Scopri i percorsi formativi promossi dal TALC - Teaching and learning center dell'Ateneo, destinati agli studenti regolarmente iscritti all'anno accademico di erogazione del corso https://talc.univr.it/it/competenze-trasversali
Modalità di inserimento a libretto: non è previsto l'inserimento dell'insegnamento nel piano di studi. Solo in seguito all'ottenimento dell'Open Badge verranno automaticamente convalidati i CFU a libretto. La registrazione dei CFU in carriera non è istantanea, ma ci saranno da attendere dei tempi tecnici.
4. Contamination lab
Il Contamination Lab Verona (CLab Verona) è un percorso esperienziale con moduli dedicati all'innovazione e alla cultura d'impresa che offre la possibilità di lavorare in team con studenti e studentesse di tutti i corsi di studio per risolvere sfide lanciate da aziende ed enti. Il percorso permette di ricevere 6 CFU in ambito D o F. Scopri le sfide: https://www.univr.it/clabverona
ATTENZIONE: Per essere ammessi a sostenere una qualsiasi attività didattica, incluse quelle a scelta, è necessario essere iscritti all'anno di corso in cui essa viene offerta. Si raccomanda, pertanto, ai laureandi delle sessioni di dicembre e aprile di NON svolgere attività extracurriculari del nuovo anno accademico, cui loro non risultano iscritti, essendo tali sessioni di laurea con validità riferita all'anno accademico precedente. Quindi, per attività svolte in un anno accademico cui non si è iscritti, non si potrà dar luogo a riconoscimento di CFU.
Insegnamenti e altre attività che si possono inserire autonomamente a libretto valide per l'a.a. 2024/25
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° 2° | Elementi di Cosmologia e Relatività generale | D |
Claudia Daffara
(Coordinatore)
|
1° 2° | Introduzione alla meccanica quantistica per il quantum computing | D |
Claudia Daffara
(Coordinatore)
|
1° 2° | Introduzione alla programmazione di smart contract per Ethereum | D |
Sara Migliorini
(Coordinatore)
|
1° 2° | Linguaggio programmazione Python [English edition] | D |
Carlo Combi
(Coordinatore)
|
1° 2° | Mini-course on Deep Learning & Medical Imaging | D |
Vittorio Murino
(Coordinatore)
|
1° 2° | Oltre Arduino: dal prototipo al prodotto con microcontroller STM | D |
Franco Fummi
(Coordinatore)
|
1° 2° | Progettazione di app REACT | D |
Graziano Pravadelli
(Coordinatore)
|
1° 2° | Progettazione di componenti hardware su FPGA | D |
Franco Fummi
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° 2° | Linguaggio Programmazione LaTeX | D |
Enrico Gregorio
(Coordinatore)
|
1° 2° | Linguaggio programmazione Python [Edizione in italiano] | D |
Carlo Combi
(Coordinatore)
|
1° 2° | Prototipizzazione con Arduino | D |
Franco Fummi
(Coordinatore)
|
1° 2° | Sfide di programmazione | D |
Romeo Rizzi
(Coordinatore)
|
1° 2° | Tutela dei beni immateriali (SW e invenzione) tra diritto industriale e diritto d’autore | D |
Mila Dalla Preda
(Coordinatore)
|
Natural Language Processing (2024/2025)
Codice insegnamento
4S010677
Docente
Coordinatore
Crediti
6
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
Periodo
I semestre dal 1 ott 2024 al 31 gen 2025.
Corsi Singoli
Autorizzato
Obiettivi di apprendimento
Il corso copre le cinque aree base di sviluppo di tecniche di analisi del linguaggio naturale: text analytics, statistical natural language processing, analisi morfosintattica, analisi semantica, natural logic. Nello specifico, lo studente conoscerà le tecniche di segmentazione, stemming, lemmatizzazione, POS tagging, Sentence Split, rappresentazione logica e deduzione language-specifica per le lingue a morfosintassi comune e in generale per le lingue a morfosintassi rappresentata con modelli generativi e a grammatiche categoriali. Metodologie basate su reti neurali, quali i Transformer, verranno anche affrontate nel corso. Tutte le tecniche sopra descritte saranno applicate agli ambiti delle analisi di testi in corpora, a sistemi QA aperti e chiusi, ai sistemi di traduzione automatica ed ai sistemi di gestione della generazione di linguaggio.
Prerequisiti e nozioni di base
Nozioni base di logica e di Machine Learning
Programma
1. Nozioni di base di elaborazione del testo
1.1 Espressioni regolari, Normalizzazione, Edit Distance
1.2 Modelli linguistici N-gram
1.3 Naive Bayes e classificazione dei sentimenti
2. Elaborazione statistica del linguaggio naturale
2.1 Regressione logistica
2.2 Semantica vettoriale e incorporamenti
2.3 Reti neurali e modelli di linguaggio neurale
2.4 Etichettatura della sequenza per parti del discorso e NER
2.5 Traduzione automatica
3. Metodi simbolici per il NLP
3.1 Grammatica dei costituenti
3.2 Analisi del costituenti
3.2 Analisi delle dipendenze
4. Tecnologie semantiche per il linguaggio naturale
4.1 Rappresentazioni logiche del significato di una frase
4.2 Tecnologie semantiche
4.3 Semantica computazionale e analisi semantica
4.3 Estrazione di informazioni
4.4 Word Senses e WordNet
4.5 Etichettatura semantica dei ruoli e struttura degli argomenti
4.6 Lessico per sentimento, affetto e connotazione
5. Problemi avanzati per l'elaborazione del testo
5.1 Risoluzione di riferimento
5.2 Coerenza del discorso
6. Applicazioni del NLP
6.1 Sistemi Q/A
6.2 Chatbot e sistemi di dialogo
Bibliografia
Modalità didattiche
Lezione introduttiva ai singoli argomenti, esercitazioni per i singoli argomenti e ripasso di un gruppo di argomenti come da programma in preparazione alla prova d'esame.
Modalità di verifica dell'apprendimento
Per superare l'esame gli studenti dovranno dimostrare di:
- aver compreso i principi alla base del funzionamento dell'elaborazione automatica del linguaggio naturale
- essere in grado di esporre le proprie argomentazioni in modo preciso e organico senza divagazioni,
- saper applicare le conoscenze acquisite per risolvere problemi applicativi
L'esame consiste in tre lavori assegnati, ed una prova orale facoltativa.
Criteri di valutazione
Correttezza e completezza dello svolgimento delle prove assegnate, correttezza e completezza dell'esposizione orale.
Criteri di composizione del voto finale
Il voto finale si forma mediante la somma delle tre prove assegnate per casa, ciascuna valutata in decimi, cui si aggiunge un punteggio da 0 a 5 che valuta la prova orale, fino a saturazione. Il punteggio di 30 e lode può essere ottenuto solamente se le tre prove assegnate a casa sono valutate 10 ciascuna e la prova orale vale almeno 3.
Lingua dell'esame
English