Dedika è una piattaforma per imparare facendo: preparare una proposta commerciale, diventare manicure o imparare a usare un nuovo strumento, per esempio. Qualunque sia il tuo obiettivo, i migliori contenuti sull’argomento esistono già. Il problema è che spesso sono in un’altra lingua, costano caro, sono sparsi in giro, non offrono esercizi pratici o fanno parte di corsi troppo lunghi per chi ha una vita frenetica. Per questo Dedika ha un metodo tutto suo: cerchiamo questi materiali ovunque si trovino, selezioniamo ciò che è utile per il tuo obiettivo, li rivediamo con il supporto di esperti sempre disponibili per chiarire dubbi e creiamo attività pratiche per farti imparare facendo. Tu sei la persona più importante nel tuo percorso e nessuno lo conosce meglio di te: scegli i contenuti e la durata del corso, se vuoi imparare online o offline e in quale formato. Può essere in video, testo, audio o riassunto. A modo tuo, solo con ciò che ha senso per te. Qui, ogni momento dedicato vale di più e arrivi più velocemente a ciò che conta davvero.

I nostri corsi includono un riassunto alla fine di ogni capitolo, dal quale puoi scaricare un PDF e stamparlo.

Più di 2 milioni di studenti in tutto il mondo

Il corso è disponibile in più di 180 paesi in tutto il mondo

Certificato valido nel tuo paese

Pagina principale

...

Corso per Tecnico PNL (Practitioner)

Tutti i corsi

Salute e Medicina

Psicologia

Corso per Tecnico PNL (Practitioner)

Per tutti i livelli

Corso per Tecnico PNL (Practitioner)

Padroneggi l'intero stack dell'elaborazione del linguaggio naturale moderna — dalla pre-elaborazione del testo e l'ingegneria delle caratteristiche fino alla messa a punto dei trasformatori e all'implementazione in produzione. Questo corso Le fornisce le competenze tecniche pratiche richieste dai datori di lavoro, coprendo ogni fase della pipeline NLP. Costruisca sistemi reali, distribuisca modelli funzionanti e parli con sicurezza il linguaggio dei prodotti guidati dall'IA.

Dedika per aziende

Cosa imparerai:

Crei e ottimizzi pipeline di pre-elaborazione del testo che puliscono, normalizzano e tokenizzano i dati grezzi su larga scala.
Implementi classificatori classici e neurali per l'analisi del sentiment, il riconoscimento di entità nominate e la categorizzazione del testo.
Effettui il fine-tuning di modelli transformer pre-addestrati utilizzando metodi completi e parametro-efficienti come LoRA e gli adapter.
Progetti strategie di prompt engineering, incluse tecniche zero-shot, few-shot e chain-of-thought per modelli generativi.
Distribuisca modelli di NLP come API REST pronte per la produzione, con ottimizzazione della latenza, containerizzazione e monitoraggio della deriva.
Architetti sistemi NLP end-to-end per applicazioni di question answering, summarization e IA conversazionale.

Come studi in modo pratico Corso per Tecnico PNL (Practitioner)

Come metti in pratica Corso per Tecnico PNL (Practitioner)

Per te che sei un'azienda e vuoi formare il tuo team

Su Dedika per aziende, il corso include esercizi ed esempi personalizzati sul tuo business e secondo le esigenze della tua azienda.

Clicca qui

Contenuto del corso

8 Capitoli • 41 LezioniDurata tra 4 e 360 ore (decidi tu)

Capitolo 1Vedi dettagli

Fondamenti dell'Elaborazione del Linguaggio Naturale

Lezione 1 • Cos'è il NLP e Perché è Importante
Definisce il NLP, la sua relazione con la linguistica e l'apprendimento automatico e il suo impatto nel mondo reale. Stabilisce la base concettuale per tutti i contenuti tecnici successivi.
Lezione 2 • Concetti Linguistici Fondamentali per il NLP
Tratta fonologia, morfologia, sintassi, semantica e pragmatica applicate alle pipeline di NLP. Fornisce il vocabolario linguistico necessario ai tecnici per interpretare il comportamento dei modelli.
Lezione 3 • Panoramica degli Strumenti e dell'Ecosistema
Passa in rassegna le principali librerie di NLP, i framework e le API cloud utilizzate in produzione. Gli studenti acquisiscono familiarità con il panorama degli strumenti prima di iniziare il lavoro pratico.
Lezione 4 • Panoramica della Pipeline di NLP
Introduce la sequenza standard delle fasi di elaborazione del NLP, dal testo grezzo all'output strutturato. Gli studenti associano ogni fase a un compito concreto e comprendono il flusso dei dati.
Lezione 5 • Tassonomia dei Compiti di NLP
Categorizza i compiti di NLP in base al tipo di input-output: classificazione, generazione, estrazione e traduzione. Consente ai tecnici di selezionare l'approccio giusto per un determinato problema.

Capitolo 2Vedi dettagli

Pre-elaborazione e Normalizzazione del Testo

Lezione 1 • Strategie di Tokenizzazione
Illustra i metodi di tokenizzazione a livello di parola, frase e sottoparola e i relativi compromessi. La scelta della tokenizzazione incide direttamente sulla dimensione del vocabolario e sulle prestazioni del modello.
Lezione 2 • Acquisizione e Codifica del Testo
Tratta l'ottenimento di testo da file, API e database, oltre alla gestione delle codifiche dei caratteri. Garantisce che i dati entrino nella pipeline senza corruzione o perdite.
Lezione 3 • Gestione delle Stop Word e del Vocabolario
Affronta la rimozione delle stop word, la potatura del vocabolario e la gestione del vocabolario fuori corpus. Bilancia la conservazione delle informazioni con l'efficienza computazionale.
Lezione 4 • Pulizia e Rimozione del Rumore
Insegna la rimozione di tag HTML, caratteri speciali, testo standardizzato e markup irrilevante. Migliora direttamente l'accuratezza del modello a valle riducendo il rumore.
Lezione 5 • Tecniche di Normalizzazione
Tratta l'uso del minuscolo, lo stemming, la lemmatizzazione e l'espansione delle abbreviazioni. Gli studenti applicano la normalizzazione in modo selettivo in base ai requisiti del compito.

Capitolo 3Vedi dettagli

Rappresentazione del Testo e Ingegneria delle Feature

Lezione 1 • Embedding di Frasi e Documenti
Estende le rappresentazioni a livello di parola a frasi e documenti completi utilizzando la media e modelli dedicati. Abilita compiti di similarità semantica e recupero di informazioni.
Lezione 2 • Selezione delle Feature e Riduzione della Dimensionalità
Applica il chi-quadrato, l'informazione mutua e la PCA per ridurre lo spazio delle feature senza perdere il segnale. Migliora la velocità di addestramento e la generalizzazione del modello.
Lezione 3 • Bag-of-Words e Vettori di Conteggio
Costruisce matrici documento-termine utilizzando conteggi grezzi e indicatori binari. Stabilisce la rappresentazione di base più semplice prima di introdurre metodi più ricchi.
Lezione 4 • Ponderazione TF-IDF
Applica la frequenza del termine-inverso della frequenza del documento per ponderare i termini informativi. Gli studenti calcolano il TF-IDF manualmente e con le librerie, quindi interpretano i risultati.
Lezione 5 • Word Embedding
Introduce rappresentazioni vettoriali dense addestrate su grandi corpora, tra cui Word2Vec e GloVe. Gli studenti caricano embedding pre-addestrati e li utilizzano come feature.

Capitolo 4Vedi dettagli

Compiti Fondamentali del NLP: Classificazione ed Estrazione

Lezione 1 • Riconoscimento di Entità Nominate
Etichetta segmenti di entità utilizzando taggatori di sequenza basati su regole, CRF e reti neurali. Gli studenti annotano dati, addestrano modelli e valutano le prestazioni a livello di segmento.
Lezione 2 • Estrazione di Relazioni ed Eventi
Identifica le relazioni tra entità ed estrae record strutturati di eventi dal testo. Si basa sull'output del NER per produrre dati pronti per i grafi di conoscenza.
Lezione 3 • Analisi del Sentiment
Applica la classificazione al rilevamento della polarità e al sentiment basato sugli aspetti. Gli studenti gestiscono la negazione, gli indicatori di sarcasmo e il cambiamento di dominio.
Lezione 4 • Fondamenti di Classificazione del Testo
Addestra classificatori Naive Bayes, regressione logistica e SVM su feature testuali. Collega le scelte di rappresentazione del Capitolo 3 ai risultati della classificazione.
Lezione 5 • Metriche di Valutazione per Compiti di NLP
Tratta accuratezza, precisione, recall, F1 e metriche specifiche per compiti come BLEU e ROUGE. Gli studenti selezionano e calcolano la metrica corretta per ogni tipo di compito.

Capitolo 5Vedi dettagli

Modellazione di Sequenze e Modelli Linguistici

Lezione 1 • Modelli Sequenza-a-Sequenza
Tratta l'architettura encoder-decoder per compiti come la traduzione e il riassunto. Gli studenti tracciano il flusso dei dati attraverso encoder, vettore di contesto e decoder.
Lezione 2 • Reti Neurali Ricorrenti per il Testo
Introduce l'architettura RNN, i meccanismi del passaggio in avanti e il problema del gradiente evanescente. Gli studenti implementano da zero un semplice classificatore di testo RNN.
Lezione 3 • Meccanismi di Attenzione
Introduce l'attenzione additiva e a prodotto scalare come soluzioni al collo di bottiglia del contesto. Prepara gli studenti all'architettura transformer nel prossimo capitolo.
Lezione 4 • Modelli Linguistici N-gram
Costruisce modelli probabilistici di sequenze di parole utilizzando conteggi n-gram e smoothing. Fornisce le basi statistiche prima dell'introduzione dei modelli neurali di sequenza.
Lezione 5 • Architetture LSTM e GRU
Illustra i meccanismi di gating che affrontano i limiti delle RNN e consentono la ritenzione di un contesto più lungo. Gli studenti sostituiscono i livelli RNN con LSTM e GRU e confrontano i risultati.

Capitolo 6Vedi dettagli

Modelli Transformer e LLM Pre-addestrati

Lezione 1 • Ottimizzazione Efficiente dei Parametri
Introduce metodi LoRA, prefix tuning e adapter che riducono i costi di calcolo e memoria. Gli studenti applicano un metodo PEFT a un modello pre-addestrato.
Lezione 2 • Ottimizzazione di Modelli Pre-addestrati
Tratta l'aggiunta di una testa specifica per il compito, la programmazione del tasso di apprendimento e la prevenzione dell'overfitting durante l'ottimizzazione. Gli studenti ottimizzano un modello pre-addestrato su un dataset di classificazione.
Lezione 3 • Approfondimento sull'Architettura Transformer
Analizza l'auto-attenzione, la codifica posizionale, i livelli feed-forward e la normalizzazione dei livelli. Gli studenti tracciano un token attraverso l'intero stack dell'encoder.
Lezione 4 • Famiglie di Modelli Linguistici Pre-addestrati
Passa in rassegna le famiglie di modelli solo encoder, solo decoder ed encoder-decoder e i loro obiettivi di pre-addestramento. Gli studenti abbinano la famiglia di modelli al tipo di compito.
Lezione 5 • Ingegneria dei Prompt e Apprendimento nel Contesto
Insegna il prompting zero-shot, few-shot e a catena di pensiero per modelli generativi. Gli studenti progettano e valutano prompt per compiti di estrazione e classificazione.

Capitolo 7Vedi dettagli

Implementazione e Integrazione di Sistemi NLP

Lezione 1 • Tecniche di Ottimizzazione della Latenza
Applica la quantizzazione, la distillazione e l'esportazione ONNX per ridurre la latenza di inferenza. Gli studenti eseguono benchmark prima e dopo ogni ottimizzazione.
Lezione 2 • Containerizzazione e Orchestrazione
Impacchetta i servizi NLP in container e introduce l'orchestrazione per la scalabilità. Gli studenti scrivono la definizione di un container e distribuiscono un servizio multi-replica.
Lezione 3 • Serializzazione e Impacchettamento del Modello
Tratta il salvataggio dei pesi del modello, delle configurazioni del tokenizer e degli artefatti di pre-elaborazione come un pacchetto distribuibile. Garantisce la riproducibilità tra ambienti diversi.
Lezione 4 • Monitoraggio in Produzione e Rilevamento del Degrado
Implementa il logging, il monitoraggio delle predizioni e gli avvisi di degrado dei dati per i servizi NLP attivi. Gli studenti configurano una dashboard di monitoraggio e impostano soglie di avviso.
Lezione 5 • Distribuzione di Modelli NLP tramite API
Costruisce endpoint API REST che accettano input testuali e restituiscono le predizioni del modello. Gli studenti gestiscono il batching, i timeout e le risposte di errore.

Capitolo 8Vedi dettagli

Applicazioni NLP Avanzate e Progettazione di Sistemi

Lezione 1 • IA Responsabile nei Sistemi NLP
Affronta il rilevamento dei bias, le metriche di equità, i rischi per la privacy e i requisiti di trasparenza nel NLP. Gli studenti verificano un modello per i bias e documentano le fasi di mitigazione.
Lezione 2 • NLP Multilingue e Cross-Linguistico
Applica modelli multilingue pre-addestrati a compiti di trasferimento cross-linguistico e traduzione. Gli studenti valutano le prestazioni cross-linguistiche in modalità zero-shot.
Lezione 3 • Sistemi di Riassunto del Testo
Implementa pipeline di riassunto estrattivo e astrattivo e valuta la qualità dell'output. Gli studenti regolano i compromessi tra lunghezza e fedeltà.
Lezione 4 • Schemi di Progettazione per Sistemi NLP
Introduce schemi di progettazione a pipeline modulare, a microservizi e ibridi regole-reti neurali per il NLP. Gli studenti selezionano e giustificano uno schema di progettazione per uno scenario dato.
Lezione 5 • IA Conversazionale e Sistemi di Dialogo
Tratta il rilevamento degli intenti, il riempimento di slot, il tracciamento dello stato del dialogo e la generazione di risposte. Gli studenti costruiscono un prototipo di dialogo orientato al compito.
Lezione 6 • Sistemi di Question Answering
Costruisce sistemi di QA estrattivi e generativi utilizzando componenti di recupero e lettura. Gli studenti valutano l'accuratezza dell'intervallo di risposta e la fedeltà.

Certificazione

Il tuo certificato valido di completamento

Questo corso è per te:

Sviluppatore software: desidera aggiungere funzionalità testuali potenziate dall'AI ai propri progetti esistenti.
Analista di dati: pronto a superare i limiti dei fogli di calcolo per avvicinarsi al machine learning con dati testuali.
Appassionato di machine learning: possiede conoscenze generali di ML ma non ha un'esperienza specifica nell'NLP.
Professionista in fase di cambiamento di carriera: sta effettuando la transizione da un ruolo tecnico non legato all'AI verso il mercato del lavoro dell'NLP.
Assistente di ricerca: necessita di competenze pratiche di NLP per automatizzare i flussi di lavoro legati alla letteratura e ai dati.
Ingegnere backend: sta costruendo pipeline di dati e desidera integrare capacità di comprensione del linguaggio.

Cosa dicono i nostri studenti

Le sue lezioni sono perfette. Ho acquistato il pacchetto annuale e finalmente ho l'opportunità di seguire diversi argomenti di mio interesse senza dover cambiare piattaforma... vi ringrazio per tutto quello che fate, vi ho già raccomandati ad altre persone...