Corsi di Studio del Dipartimento di Culture, Politica e Società

Questo corso si pone due obiettivi principali:

1) Dare agli studenti una panoramica delle tecniche più comuni di analisi automatizzata dei contenuti, in particolare contenuti testuali, compresa una comprensione base della loro logica e del loro funzionamento.

2) Fornire agli studenti alcuni strumenti pratici per applicarsi in tali tecniche utilizzando software open source e altre risorse gratuite.

 

Per la fine del corso gli studenti avranno una comprensione generale di cosa comporta fare analisi automatizzata dei contenuti, di quello che è e non è possibile possibile fare utilizzando queste tecniche, e di come implementarne alcune con il software R.

 

Il corso si occuperà principalmente dell'analisi di contenuti testuali, che all'oggi rappresentano la fonte più comunemente utilizzata di dati non strutturati presenti in rete. Dato che ci saranno 2 lezioni da 2 ore a settimana, il corso alternerà sessioni teoriche e pratiche.

Il programma, che potrà comunque essere aggiornato in corso d'opera in base al passo e alle esigenze degli studenti, è il seguente:

Settimana 1) 20-21/09
Lezione - Introduzione
Lab - Introduzione a R per quantitative text analysis

Settimana 2) 27-28/09
Lezione - Text preprocessing: logica e avvertenze
Lab - Introduzione a R per quantitative text analysis & Text preprocessing

Settimana 3) 04-05/10
Lezione - Sentiment analysis e dizionari
Lab - Sentiment analysis e dizionari

Settimana 4) 11-12/10
Lezione - Scaling di testi & introduzione ai topic models
Lab - Scaling di testi & introduzione ai topic models

Settimana 5) 18-19/10
Lezione - Topic models
Lab - Topic models

Settimana 6) 25-26/10
Lezione - Classificazione di testi con machine learning
Lab - Classificazione di testi con machine learning 

Settimana 7) 02/11
Lab - Classificazione di testi con machine learning 2 (se necessario) OPPURE intro a web scraping

Settimana 8) 08-09/11
Lezione - Intro a word embeddings
Lab - Intro a word embeddings

Settimana 9) 15-16/11
Lezione - Intro a image recognition
Lab - Intro a image recognition

Settimana 10) 22/11
Ripasso

 

Il corso alternerà sessioni teoriche (lezione frontale con slide) a sessioni pratiche di laboratorio. Per queste ultime, è richiesto agli studenti di portare il proprio computer portatile a lezione. In caso questo non fosse possibile verranno comunque messi a disposizione materiali che renderanno possibile rifare a casa tutto quello che si è visto nelle sezioni di laboratorio.

Trattandosi di un corso principalmente pratico, l'esame consisterà in un elborato finale da svolgere a casa, nel quale agli studenti verrà richiesto di implementare alcune tecniche imparate durante il corso.