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.

Piano Didattico

A.A. 2026/2027 A.A. 2025/2026

Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.

1° Anno

InsegnamentiCreditiTAFSSD
6
B
INF/01
12
B
ING-INF/05
12
B
INF/01

2° Anno  Sarà attivato nell'A.A. 2026/2027

InsegnamentiCreditiTAFSSD
6
B
INF/01
Final exam
24
E
-
InsegnamentiCreditiTAFSSD
6
B
INF/01
12
B
ING-INF/05
12
B
INF/01
Sarà attivato nell'A.A. 2026/2027
InsegnamentiCreditiTAFSSD
6
B
INF/01
Final exam
24
E
-
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°
2 modules among:
- 1st year - Knowledge representation, Natural Language Processing, HCI - Multimodal Systems - delivered in 2025/2026
- 2nd year - AI & cloud - delivered in 2026/2027
- 1st and 2nd year - Advanced programming for AI, Computer vision & deep learning - delivered in 2025/2026 and in 2026/2027
6
B
ING-INF/05
6
B
INF/01
6
B
INF/01
6
B
ING-INF/05
6
B
INF/01
6
B
ING-INF/05
Tra gli anni: 1°- 2°
2 courses among (mutually exclusive with the previous ones):
- 1st year - Knowledge representation, Natural language processing, HCI - multimodal systems - delivered in 2025/2026
- 2nd year - AI & cloud, Visual intelligence - delivered in 2026/2027
- 1st and 2nd year - Advanced programming for AI, Computer Vision & deep learning, Statistical learning - delivered in 2025/2026 and in 2026/2027
6
C
ING-INF/05
6
C
INF/01
6
C
INF/01
6
C
ING-INF/05
6
C
INF/01
6
C
ING-INF/05
6
C
INF/01
6
C
ING-INF/06
Tra gli anni: 1°- 2°
2 courses among the following
- A.A. 2025/2026 Network Science not activated
- A.A. 2026/2027: Complex Systems not activated
6
C
ING-INF/05
6
C
INF/01
6
C
FIS/02
6
C
INF/01
6
C
MAT/08
6
C
MAT/09
6
C
INF/01 ,ING-INF/05
6
C
INF/01
6
C
FIS/02
6
C
INF/01
6
C
MAT/06
6
C
INF/01
Tra gli anni: 1°- 2°
1 course among the following
6
C
SECS-S/06
6
C
M-FIL/02
6
C
IUS/17
6
C
IUS/02
6
C
IUS/08
6
C
IUS/04
6
C
IUS/01
6
C
IUS/07
Tra gli anni: 1°- 2°
Further activities: 3 CFU training and 3 CFU further language skill or 6 CFU training. International students (i.e. students who do not have an Italian bachelor’s degree) must compulsorily gain 3 CFU of Italian language skills (at least A2 level) and 3 CFU training.
6
F
-
Tra gli anni: 1°- 2°
12
D
-

Legenda | Tipo Attività Formativa (TAF)

TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.

A Attività di base
B Attività caratterizzanti
C Attività formative affini o integrative
D Attività a scelta dello studente
E Prova finale
F Altre attività formative
S Stage e tirocini presso imprese, enti pubblici o privati, ordini professionali

Natural Language Processing  (2025/2026)

Codice insegnamento

4S010677

Docenti

Matteo Cristani, Alberto Castellini

Coordinatore

Matteo Cristani

Crediti

6

Lingua di erogazione

Inglese en

Settore Scientifico Disciplinare (SSD)

ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI

Periodo

I semestre dal 1 ott 2025 al 30 gen 2026.

Corsi Singoli

Autorizzato

Orario Lezioni MoodleMoodle Seminari 0

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 Generative Language Models e Metodi basati su Transformers
2.5 Etichettatura della sequenza per parti del discorso e NER
2.6 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

Vai alla bibliografia
Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

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.

Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

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 viene determinato dalla media pesata delle prove nei due moduli

Lingua dell'esame

English