Una parola alla volta.
Cerca un termine o segui i capitoli del corso. Apri una voce per leggerne la definizione.
70 termini nel glossario
Capitoli 1 e 2: notebook, testo e rappresentazione
NotebookCap. 1
quaderno digitale che alterna spiegazioni e celle di codice eseguibili.
CellaCap. 1
blocco di un notebook. Può contenere testo oppure codice; il risultato del codice appare sotto la cella.
Kernel e sessioneCap. 1
il kernel è il processo che esegue il codice Python. Durante una sessione conserva in memoria i valori creati; riavviarlo svuota quella memoria.
Codice, commento e outputCap. 1
il codice contiene le istruzioni eseguite da Python. Un commento, che inizia con #, è una nota per chi legge e non viene eseguito. L'output è il risultato mostrato dopo l'esecuzione.
Variabile, valore e assegnazioneCap. 1
una variabile è un nome associato a un valore. L'assegnazione parola = "Paco" associa il testo "Paco" al nome parola; = non è un confronto.
Tipo di datoCap. 1
categoria che determina quali valori e operazioni sono compatibili. Per esempio, 3 è un numero e "3" è una stringa.
Bit, byte e binarioCap. 1
un bit può valere 0 o 1. Otto bit formano un byte, che può assumere 256 combinazioni. Il sistema binario scrive i numeri usando soltanto 0 e 1.
Carattere e punto di codiceCap. 1
un carattere è un segno del testo. Un punto di codice Unicode è il numero assegnato a quel segno. Python permette di passare dal carattere al numero con ord() e dal numero al carattere con chr().
Unicode, ASCII e UTF-8Cap. 1
Unicode assegna punti di codice a un vasto repertorio di caratteri. ASCII rappresenta un insieme più limitato; i primi 128 valori di Unicode e UTF-8 sono compatibili con ASCII. UTF-8 rappresenta i punti di codice Unicode con sequenze di byte.
Codifica e decodificaCap. 1
codificare trasforma una stringa in byte secondo una regola, per esempio con .encode("utf-8"). Decodificare ricostruisce la stringa dai byte con .decode("utf-8"). Queste operazioni conservano i segni, non ne interpretano il significato.
Normalizzazione UnicodeCap. 1
trasformazione che porta alcune sequenze diverse ma equivalenti secondo Unicode a una forma comune, per esempio NFC. Due segni che appaiono uguali sullo schermo possono essere composti da sequenze differenti.
Linguaggio di programmazioneCap. 1
sistema per descrivere istruzioni, dati e calcoli. Python, JavaScript e Java sono esempi. Un linguaggio ad alto livello, come Python, nasconde molti dettagli delle istruzioni del processore.
HTML, CSS, JavaScript e SQLCap. 1
HTML descrive la struttura di una pagina, CSS la sua presentazione, JavaScript può renderla interattiva e SQL permette di interrogare o modificare dati in database relazionali. Sono strumenti con ruoli diversi, non intercambiabili con Python.
Frontend, backend e databaseCap. 1
frontend è la parte di un'applicazione con cui interagisce la persona; backend è la parte che elabora richieste e servizi; database conserva e organizza dati. Sono ruoli, non sinonimi di un particolare linguaggio.
StringaCap. 1
valore testuale composto da una sequenza ordinata di caratteri, delimitata nel codice da apici o virgolette. Spazi e punteggiatura fanno parte della stringa.
Funzione, argomento e risultatoFunzione: Cap. 1; argomento: Cap. 2
una funzione esegue un'operazione identificata da un nome, come print() per mostrare un valore o len() per misurare una sequenza. L'argomento è il valore fornito tra parentesi. Una funzione può restituire un risultato da usare in un'altra istruzione.
Confronto e valore booleanoCap. 1
== verifica se due valori sono uguali e != se sono diversi. Il risultato è booleano: True (vero) oppure False (falso). Non confondere == con =, che assegna un valore.
Lunghezza (len)Cap. 1
numero di elementi di una sequenza. Per le stringhe Python conta i punti di codice, inclusi spazi e punteggiatura; non conta le parole.
Rappresentazione (repr)Cap. 2
forma testuale utile per ispezionare un valore. Per una stringa rende visibili delimitatori e caratteri speciali, come gli spazi ai bordi.
ConcatenazioneCap. 2
unione di stringhe con +. Python non aggiunge spazi automaticamente. Per unire testo e numeri occorre prima convertire il numero in stringa, per esempio con str().
F-stringCap. 2
stringa preceduta da f che inserisce valori o risultati di espressioni nelle parentesi graffe, per esempio f"Ciao, {nome}". Il testo viene costruito quando quella cella viene eseguita.
Errori PythonSyntaxError e NameError: Cap. 1; TypeError: Cap. 2; IndexError: Cap. 5; ModuleNotFoundError: Cap. 7
SyntaxError indica un problema nella forma dell'istruzione; NameError segnala un nome non definito; TypeError un'operazione incompatibile con il tipo di un valore; IndexError una posizione non presente in una sequenza; ModuleNotFoundError una libreria che manca nell'ambiente Python. Un errore non è un giudizio sul testo: aiuta a individuare che cosa va controllato.
Capitoli 3, 4 e 5: trasformazioni e strutture di dati
Metodo e immutabilitàCap. 3
un metodo è un'operazione richiamata da un valore con il punto, come testo.lower(). Le stringhe sono immutabili: i loro metodi restituiscono una nuova stringa, non cambiano quella originale sul posto.
Preparazione del testoCap. 3
trasformazioni scelte per uno scopo. Nel corso si usano strip() per togliere spazi bianchi ai bordi, lower() e upper() per cambiare maiuscole e minuscole, replace() per sostituire sequenze, split() per dividere e join() per ricomporre. Queste operazioni non comprendono il significato della frase.
Indice e posizioneCap. 3
numero che identifica la posizione di un elemento in una sequenza. In Python il primo elemento ha indice 0; l'indice -1 indica l'ultimo.
Lista, elemento e slicingLista: Cap. 3; slicing: Cap. 4
una lista è una raccolta ordinata di valori, scritta tra parentesi quadre. Ogni valore è un elemento. Lo slicing, come frasi[:2], seleziona una parte della lista senza modificarla.
append()Cap. 4
metodo che aggiunge un elemento in fondo a una lista e modifica la lista stessa. Non restituisce la lista aggiornata.
Ciclo e iterazioneCap. 4
un ciclo ripete istruzioni. Il ciclo for esamina gli elementi uno alla volta; ogni passaggio è un'iterazione. Il rientro indica quali istruzioni appartengono al ciclo. pass è un segnaposto che non esegue operazioni. break (Cap. 5) interrompe il ciclo.
Condizione (if, else)Cap. 4
regola che controlla se un'espressione è vera o falsa e sceglie quali istruzioni eseguire. else indica il caso alternativo.
Sottostringa e ricerca letteraleCap. 4
una sottostringa è una sequenza di caratteri contenuta in un testo. L'operatore in verifica la presenza esatta di una sequenza; non riconosce automaticamente i confini delle parole né i significati.
TuplaCap. 4
sequenza di valori, spesso usata per raggruppare elementi che si leggono insieme, come un identificativo e il testo corrispondente.
Insieme (set)Cap. 6
raccolta senza duplicati. Può servire per ottenere parole distinte o verificare quali elementi due raccolte hanno in comune.
Identificativo (ID)Cap. 4
valore che distingue un elemento della raccolta e permette di ritrovare il testo da cui proviene un risultato.
enumerate()Cap. 4
funzione che, durante un ciclo, fornisce insieme a ogni elemento anche un numero progressivo. Il parametro start permette di scegliere da quale numero iniziare.
Seme casualeCap. 4
valore, per esempio 42, usato per rendere ripetibile una sequenza di scelte pseudo-casuali. Non rende i dati reali o rappresentativi.
Dizionario, chiave e valoreCap. 5
un dizionario raccoglie coppie formate da una chiave, cioè il nome del campo, e dal valore contenuto in quel campo. Per esempio, in {"ora": "07:45"}, ora è la chiave e 07:45 il valore.
Record e campoCap. 5
un record è una riga di dati relativa a un elemento; i campi sono le informazioni nominate che la compongono, per esempio id, testo e ora.
Valore vuoto, campo assente e NoneCap. 4
un campo può esistere ma contenere una stringa vuota (""), oppure la sua chiave può non essere presente. None è un valore speciale di Python e non equivale né alla stringa vuota né a una chiave mancante.
Parametro e valore restituito (return)Cap. 5
il parametro è il nome usato nella definizione di una funzione per ricevere un dato; l'argomento è il valore passato quando la funzione viene chiamata. return restituisce un risultato a chi ha chiamato la funzione.
EstrazioneCap. 5
applicazione di una regola per ricavare da un testo un'informazione da conservare in un campo. Nel corso, la procedura riconosce soltanto alcuni orari scritti in un formato preciso.
CSVCap. 5
formato testuale per rappresentare righe e campi di una tabella. CSV significa comma-separated values. I campi possono essere delimitati e racchiusi tra virgolette per conservare correttamente virgole o altri segni contenuti nel testo.
Capitoli 6 e 7: raccolte, conteggi e rappresentazioni
Token e tokenizzazioneCap. 6
un token è un'unità ricavata da un testo per analizzarlo, per esempio una parola. La tokenizzazione è il processo che divide il testo in token secondo regole definite.
Documento e datasetCap. 6
un documento è un singolo testo esaminato; un dataset è una raccolta organizzata di esempi. I dataset di Paco sono sintetici e costruiti per le attività, non raccolti come campione rappresentativo dell'italiano.
Frequenza, occorrenza e presenzaCap. 6
le occorrenze contano quante volte compare una parola. La presenza conta in quanti documenti distinti compare. Una parola ripetuta molte volte in un solo testo aumenta le occorrenze, ma conta come presenza in un solo documento.
Counter e filtro di parole comuniCap. 6
Counter è uno strumento Python per contare gli elementi di una raccolta. Un filtro di parole comuni modifica la vista usata per un conteggio; non cancella quelle parole dai testi originali e non è una regola valida per ogni analisi.
EtichettaCap. 6
risposta associata a un esempio, per esempio favorevole o sfavorevole. Nel corso le etichette sono assegnate nella costruzione dei dati e non provengono da giudizi raccolti da persone.
Apprendimento automatico supervisionatoCap. 7
metodo in cui il modello riceve esempi insieme alle etichette corrispondenti e usa queste coppie per imparare a classificare nuovi esempi. Le scelte su dati, etichette e rappresentazione restano umane.
Famiglia di formulazioniCap. 7
schema con cui si costruiscono frasi simili, per esempio cambiando un aggettivo in una frase modello. Nel corso intere famiglie sono tenute separate nei gruppi di dati.
Training, sviluppo e testCap. 7
training è il gruppo usato per apprendere; sviluppo serve a confrontare configurazioni; test è tenuto da parte per la valutazione finale, dopo aver fissato le scelte. Usare ripetutamente il test per scegliere il modello rende la valutazione meno indipendente.
VocabolarioCap. 7
elenco ordinato dei termini riconosciuti dal vettorizzatore. Ogni termine corrisponde sempre alla stessa colonna della rappresentazione numerica.
Caratteristica (feature)Cap. 7
informazione numerica fornita al modello. In questo corso ogni parola del vocabolario è una caratteristica, e il suo valore è il conteggio nella frase.
Vettore e matriceCap. 6
un vettore è una sequenza ordinata di numeri che rappresenta un testo; una matrice raccoglie più vettori in righe e colonne. Ogni riga corrisponde a un testo e ogni colonna a una caratteristica.
Matrice sparsaCap. 7
matrice in cui la maggior parte dei valori è zero. Una libreria può conservarla in un formato compatto invece di memorizzare ogni zero.
Bag of WordsCap. 6
rappresentazione che conta quante volte compare ogni termine del vocabolario. Conserva i conteggi, ma non l'ordine delle parole né le relazioni tra loro.
CountVectorizerCap. 7
strumento di scikit-learn che costruisce un vocabolario dai testi di training e trasforma i testi in righe di conteggi. La configurazione predefinita del corso ignora i token di una sola lettera, come è.
fit(), transform() e fit_transform()Cap. 7
fit() ricava dal training il vocabolario o i parametri necessari; transform() applica la rappresentazione già stabilita a nuovi testi, senza cambiare le colonne. fit_transform() esegue entrambe le operazioni sul training. Per valutare dati separati si usa il vocabolario appreso dal training.
Termine fuori vocabolarioCap. 7
parola che non compare nel vocabolario fissato sul training. Non crea una nuova colonna quando si trasforma una frase nuova.
Capitoli 7 e 8: modello e valutazione
Modello e classificatoreModello: Cap. 6; classificatore: Cap. 7
il modello è il sistema che apprende o applica una regola a partire dai dati. Un classificatore è un modello che assegna un esempio a una categoria, come favorevole o sfavorevole.
PrevisioneCap. 7
categoria proposta dal classificatore per un testo. È una risposta del modello, non una garanzia che il testo sia stato compreso.
Rete neurale artificiale e perceptron multistratoCap. 8
modello composto da unità collegate che elaborano numeri. Il corso usa un piccolo multilayer perceptron (MLP); il nome richiama il cervello biologico, ma il modello non è un cervello.
Strato nascosto e neurone artificialeCap. 8
uno strato è un gruppo di unità della rete. Lo strato nascosto riceve i numeri in ingresso e passa i risultati allo strato successivo; ciascuna unità esegue semplici operazioni matematiche.
Peso e biasCap. 8
il peso regola il contributo di un ingresso numerico. Il bias è un altro parametro che si aggiunge al risultato della somma. Durante l'addestramento il modello impara valori per questi parametri.
Funzione di attivazione e ReLUCap. 8
trasformazione applicata al risultato di un'unità. ReLU restituisce zero se il valore è negativo e, altrimenti, restituisce il valore stesso.
Perdita (loss)Cap. 8
misura matematica di quanto le uscite del modello siano incompatibili con le etichette attese. Non è semplicemente il numero di errori né una percentuale.
Ottimizzatore e iterazioneCap. 8
l'ottimizzatore aggiorna i parametri per ridurre la perdita. Il corso usa Adam. Un'iterazione è un passaggio del processo di addestramento; il limite impostato non garantisce da solo un risultato accurato.
Accuratezza e riferimento di confrontoCap. 8
l'accuratezza è la quota di previsioni corrette in un gruppo di esempi. Un riferimento semplice, come scegliere sempre una classe in un dataset bilanciato, aiuta a capire se il risultato è utile.
Punteggio di predict_proba()Cap. 8
valore prodotto dal modello per ciascuna classe. È un punteggio calcolato dal modello, non una certezza sulla frase né una misura generale della sua comprensione.
GeneralizzazioneCap. 8
capacità di mantenere risultati utili su esempi diversi da quelli usati per apprendere. Una buona prestazione su frasi sintetiche non dimostra che il modello capisca testi reali o contesti nuovi.
Convergenza e ConvergenceWarningCap. 8
la convergenza indica che l'ottimizzazione ha raggiunto il criterio di arresto previsto. L'avviso segnala che si è raggiunto il limite di iterazioni prima di soddisfarlo; non è un errore di sintassi, ma richiede cautela nell'interpretare i risultati.
Collisione della rappresentazioneCap. 8
due testi diversi possono diventare lo stesso vettore quando la rappresentazione scarta informazioni che li distinguono. Con Bag of Words, frasi con gli stessi conteggi ma ordine diverso possono dare al modello un ingresso identico e quindi la stessa previsione.