Perché ai modelli servono numeri, non parole
Il passaggio dal testo ai vettori
Perché ai modelli servono numeri, non parole è una lezione NLP Academy gratuita su CoddyKit. Questa è la lezione 1 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento NLP Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso NLP Academy include 4 lezioni in totale.
Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.
Machines Speak Numbers
A model cannot do math on the word cat. Every algorithm under the hood only understands numbers, so text must be converted first.
The Core Problem
Your goal is to turn each document into a row of numbers, a vector, that captures what the text contains.
Words Have No Order Value
You cannot say cat is greater than dog. Words are categories, not quantities, so raw text has no numeric meaning to compute on.
From Text to Vectors
This conversion from words into number arrays is called vectorization. It is the bridge between language and machine learning.
Counting Is the Simplest Bridge
The easiest vector is just how many times each word appears. This count-based idea is the heart of bag-of-words. 🛍️
Why Bag Of Words
It is a bag because order is thrown away. You keep which words appear and how often, but not the sequence they came in.
A Tiny Example
Imagine two reviews. We can score each by counting good and bad to get a simple numeric representation of its tone.
docs = ["food was good good", "service was bad"]Same Length for Every Row
Every document becomes a vector of the same length, one slot per known word, so a model can compare rows directly.
Missing Words Are Zero
If a word never appears in a document, its slot is simply zero. Most slots end up zero, which makes these vectors sparse.
Numbers Unlock Algorithms
Once text is numeric, every classic tool works: distance, similarity, and classifiers all operate on these vectors.
Meaning Is Approximate
Counts ignore grammar and word order, so bag-of-words is a rough but surprisingly strong baseline for many tasks.
Quick Check
Why must text be converted before modeling?
Recap: Text Becomes Numbers
You saw why models need vectors, met bag-of-words, and learned that word counts turn documents into numbers a model can read. 🎉
Domande Frequenti
La lezione «Perché ai modelli servono numeri, non parole» è gratuita?
Sì — il testo completo di «Perché ai modelli servono numeri, non parole» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso NLP Academy, passa a CoddyKit PRO. Il corso NLP Academy include 4 lezioni in totale.
Cosa imparerò in «Perché ai modelli servono numeri, non parole»?
Il passaggio dal testo ai vettori Eserciti NLP Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare NLP Academy?
Non è richiesta alcuna esperienza precedente. NLP Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 1 di 4.
Quanto tempo richiede la lezione «Perché ai modelli servono numeri, non parole»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione NLP Academy?
Sì. Ogni lezione NLP Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Perché ai modelli servono numeri, non parole
- Creare un vocabolario
- Contare con CountVectorizer
- Leggere la matrice documento-termine