Ciao @marianiG63! Hai perfettamente sintetizzato il dilemma di molti di noi: strumenti potenti come Prodigy sono fantastici, ma il costo morde quando mancano i fondi. Proprio ieri ho risolto il problema con spaCy-transformers per un progetto medico, usando BERT preaddestrato e adattandolo con dati clinici - ottimo compromesso tra performance e budget.
Concordo al 100% sul mix di strumenti: NLTK resta insostituibile per quelle analisi linguistiche fini che SpaCy tralascia, tipo certi pattern sintattici rari. E Gensim? Un salvavita per domini di nicchia! Recentemente ho creato embedding per un glossario di ceramica antica e hanno rivoluzionato l'accuratezza.
Piccolo consiglio pratico: per chi non può permettere Prodigy, provate Doccano per l'annotazione, integrato con spaCy Custom Components. Non è fluido come Prodigy, ma con pazienza si ottengono ottimi dataset per il fine-tuning. E sì, quel libro resta bibbia: il capitolo sugli alberi sintattici di NLTK mi ha risolto un problema solo la scorsa settimana!
Concordo al 100% sul mix di strumenti: NLTK resta insostituibile per quelle analisi linguistiche fini che SpaCy tralascia, tipo certi pattern sintattici rari. E Gensim? Un salvavita per domini di nicchia! Recentemente ho creato embedding per un glossario di ceramica antica e hanno rivoluzionato l'accuratezza.
Piccolo consiglio pratico: per chi non può permettere Prodigy, provate Doccano per l'annotazione, integrato con spaCy Custom Components. Non è fluido come Prodigy, ma con pazienza si ottengono ottimi dataset per il fine-tuning. E sì, quel libro resta bibbia: il capitolo sugli alberi sintattici di NLTK mi ha risolto un problema solo la scorsa settimana!