Analyser vos données textuelles avec le NLP

• Data Scientist / Data Miner / Data Analyst
• Profil Data / BI / BigData

• Connaissances de base en statistiques et mathématiques
• Bonnes aptitudes à la programmation
• Connaissances de base en Python ou R

Alternance des modalités pédagogiques : exposé, démonstrations pratiques, échanges collectifs, quiz collectifs, exercices pratiques et remise du support de formation.

50 % du temps global de la formation est dédié aux exercices

MODULE 1 : FONDAMENTAUX

• Définitions, applications : entités, intentions, sentiment, chatbot, traduction
• Typologie des données : emails, conversations, documents
• Différentes écoles : linguistique, statistique, neuronale
• Typologies des outils : framework, logiciels, services sur étagère
• Python : re, nltk, spacy, sklearn, keras

MODULE 2 : APPROCHE STATISTIQUE MACHINE LEARNING

• Importance de l'annotation
• Normalisation, analyse lexicale, syntaxique
• Statistiques : tf.idf, matrice Term x Document, co-occurrence
• Classificateur de machine learning
• TP classification supervisée analyse de sentiments
• TP non supervisé topic modeling

MODULE 3 : APPROCHE DEEP LEARNING

• Boîte à outil apprentissage : train/test, metrics, epoch, loss,
• Architecture deep : embeddings, réseaux récurrents, dense
• Embeddings : pré-entrainés vs. ré-entraînés Glove, W2V
• TP classification supervisées avec embeddings et LSTM

Notre auto-évaluation permet d'apprécier les acquis apportés par l'action de formation

Accessibilité :

Si un bénéficiaire a des contraintes particulières liées à une situation de handicap, veuillez nous contacter au préalable afin que nous puissions, dans la mesure du possible, adapter l'action de formation