Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Aperçu détaillé de la formation
- Introduction à l'IAUL (Intelligence Artificielle pour le Traitement du Langage Naturel)
- Comprendre l'IAUL
- Frameworks IAUL
- Applications commerciales de l'IAUL
- Récupération de données depuis la toile
- Travail avec diverses API pour récupérer des données textuelles
- Gestion et stockage de corpus textuels en sauvegardant le contenu et les métadonnées pertinentes
- Avantages de l'utilisation du cours intensif Python et NLTK
- Compréhension pratique d'un corpus et d'un jeu de données
- Pourquoi avons-nous besoin d'un corpus?
- Analyse de corpus
- Types d'attributs de données
- Différents formats de fichiers pour les corpus
- Préparation d'un jeu de données pour des applications IAUL
- Compréhension de la structure des phrases
- Composants de l'IAUL
- Compréhension du langage naturel
- Analyse morphologique - racine, mot, token, étiquettes de parole
- Analyse syntaxique
- Analyse sémantique
- Gestion des ambiguïtés
- Prétraitement des données textuelles
- Corpus - texte brut
- Segmentation en phrases
- Racinement pour le texte brut
- Lemmatisation du texte brut
- Suppression des mots vides
- Corpus - phrases brutes
- Word tokenization
- Word lemmatisation
- Travail avec des matrices terme-document/document-terme
- Segmentation textuelle en n-grammes et phrases
- Prétraitement pratique et personnalisé
- Corpus - texte brut
- Analyse de données textuelles
- Fonctionnalités de base de l'IAUL
- Analyseurs et analyse
- Étiquetage POS et étiqueteurs
- Détection d'entités nommées
- N-grammes
- Bag of words
- Fonctionnalités statistiques de l'IAUL
- Concepts d'algèbre linéaire pour l'IAUL
- Théorie probabiliste pour l'IAUL
- TF-IDF
- Vecteurisation
- Encodeurs et décodeurs
- Normalisation
- Modèles probabilistes
- Génie des caractéristiques avancées et IAUL
- Bases de word2vec
- Composants du modèle word2vec
- Raisonnement du modèle word2vec
- Extension du concept word2vec
- Application du modèle word2vec
- Cas d'étude : Application de bag of words : résumé automatique de texte en utilisant les algorithmes simplifiés et véritables de Luhn
- Fonctionnalités de base de l'IAUL
- Regroupement, classification et modélisation de sujets des documents
- Regroupement de documents et recherche de motifs (regroupement hiérarchique, k-means, etc.)
- Comparaison et classification de documents en utilisant TFIDF, Jaccard et mesures de distance cosinus
- Classification documentaire avec Naïve Bayes et Maximum Entropie
- Identification des éléments textuels importants Element
- Réduction de la dimensionnalité : Analyse en composantes principales, Décomposition en valeurs singulières, factorisation matricielle non négative
- Modélisation de sujets et récupération d'informations avec l'Analyse Sémantique Latente
- Extraction d'entités, Sentiment Analysis et modélisation de sujets avancée
- Positif vs. négatif : degré du sentiment
- Theorie de la réponse aux items (IRT)
- Étiquetage POS et son application : trouver des personnes, des lieux et des organisations mentionnés dans le texte
- Modélisation de sujets avancée : Allocation Dirichlet Latente
- Cas d'étude
- Extraction de commentaires utilisateurs non structurés
- Classification et visualisation des sentiments sur les données de revues de produits
- Extraction de journaux de recherche pour identifier des modèles d'utilisation
- Classification textuelle
- Modélisation de sujets
Pré requis
Connaissance et awareness des principes de l'IA linguistique (NLP) et appréciation des applications de l'intelligence artificielle dans les affaires
(Note: "awareness" is kept as-is because it doesn't have a direct translation that would make sense in this context without altering the meaning.)
21 Heures
Nos clients témoignent (1)
Je sens que j'acquiers les compétences de base nécessaires pour comprendre comment le ROS s'assemble et comment structurer des projets à l'intérieur.
Dan Goldsmith - Coventry University
Formation - ROS: Programming for Robotics
Traduction automatique