Analyse de texte et traitement du langage naturel avec Python

Aperçu

INSCRIVEZ-VOUS À MON DERNIER COURS POUR TOUT SAVOIR SUR PYTHON, LES RÉSEAUX SOCIAUX ET LE TRAITEMENT DU LANGAGE NATUREL (NLP)

Programme

• Introduction à l'analyse de texte et NLP
Aperçu du traitement automatique du langage naturel (NLP)
Importance de l'analyse de texte dans les applications modernes
Python pour le NLP : Un aperçu
• Configuration de l'environnement Python
Installation de Python et des IDE
Utilisation des notebooks Jupyter
Bibliothèques clés : NLTK, spaCy, scikit-learn
• Techniques de traitement de texte de base
Tokenisation
Suppression des mots vides
Expressions régulières
• Prétraitement du texte
Normalisation des majuscules
Stemming et lemmatisation
Gestion de la ponctuation, des chiffres et des symboles
• Extraction de caractéristiques
Modèle Bag of Words
Fréquence de terme-Inverse Fréquence de Document (TF-IDF)
Word Embeddings : Word2Vec, GloVe
• Analyse de sentiment
Introduction à l'analyse de sentiment
Utilisation de NLTK pour l'analyse de sentiment
Création d'un classificateur de sentiment avec scikit-learn
• Classification de texte
Compréhension de la classification de texte
Apprentissage automatique supervisé pour le texte
Construction et évaluation de classificateurs
• Sujets avancés en NLP
Reconnaissance d'entités nommées (NER)
Modélisation de sujets avec LDA
Introduction aux modèles transformateurs et BERT
• Analyse des données des médias sociaux
Collecte de données à partir des API des médias sociaux
Analyse de texte dans le contexte des médias sociaux
Études de cas et applications
• Projets pratiques et études de cas
Analyse de sentiment sur les données de Twitter
Création d'un chatbot
Classification de texte pour des articles de presse
• Conclusion et apprentissage continu
Récapitulation des concepts clés
Ressources pour l'apprentissage continu en NLP
Présentation finale du projet et retour d'information

---

Enseigné par

Minerva Singh

---

Sujets

Science des données