Ce cours apparaît dans les formations suivantes :
• Ecole Du Numérique (EDN) - Master 1 Data & Intelligence Artificielle - S2 - 4 ECTS

Pré requis

• Connaissance du langage python


• Connaissance en machine Learning

Objectifs du cours

• Savoir extraire les informations d’un texte


• Être en mesure d’analyser le contenu d’un texte


• Mettre en œuvre un modèle de machine Learning (de sa formalisation à son évaluation) pour la classification de texte

Contenu du cours

• Introduction
  
  
  
  • Les éléments d’un texte : Tokenization, Part Of Speech (POS), Name Entity Recognition (NER), la Lemmatization
  
  
  • L’analyse statistique du contenu d’un texte
  
  
  • Le modèle de Markov caché appliqué aux Part Of Speech
  
  
  
  

• Machine Learning appliqué au NLP
  
  
  
  • Comparaison de textes à l’aide de la vectorisation (utilisation de la cosine similarity)
  
  
  • La vectorization : TF, TF-IDF, Bag Of Word, de Word 2 Vec
  
  
  • La régression logistique appliquée à la classification de texte
  
  
  • Naïve bayes appliqué à la classification de texte
  
  
  
  

Modalités d'enseignement

Organisation du cours

34h de cours

Méthodes pédagogiques

Évaluation