Traitement des données textuelles avec l’apprentissage automatique
Clientèle cible
S’adresse aux professionnels de l’industrie œuvrant dans des postes liés à la programmation ou à l’exploitation de données, principalement des développeurs amenés à développer des outils de traitement automatique du langage.
Préalables
Formation Notions de base de l’apprentissage automatique, formation Notions de base de l’apprentissage profond et des réseaux de neurones, formation Préparation, nettoyage et visualisation des données textuelles ou connaissances équivalentes :
- Connaissance de base en programmation (langage Python suggéré)
- Connaître les notions de base de l'algèbre linéaire et du calcul différentiel
Description
Vous ne savez pas par quelle autoformation commencer? Consultez le cheminement proposé afin de maximiser le développement de vos connaissances.
Cette formation vise à permettre au professionnel de l’industrie d’être en mesure utiliser des techniques statistiques du traitement automatique de la langue naturelle (TALN). Elle se veut axée sur la pratique, afin d’outiller le professionnel et le rendre opérationnel rapidement.
Le traitement automatique de la langue naturelle (TALN), un sous-domaine de l'intelligence artificielle, est de plus en plus utilisé dans l’industrie, pour analyser des documents, extraire de l’information dans des textes ou créer des assistants virtuels (chatbots) par exemple.
Pour modéliser adéquatement un problème d’affaire pouvant être réglé à partir du TALN, après avoir préparé ses données, il faut en assurer la classification avant de pouvoir résoudre un problème d’affaire.
Objectif général
Amener le participant à être en mesure de définir une procédure, incluant un choix d’algorithmes, pour l’entrainement d’un modèle statistique afin d’assurer la classification de texte en vue de résoudre un problème d’affaire.
Objectifs
- Départager des problèmes de classification de texte des problèmes de classification de séquence et de modélisation de langue
- Utiliser différents algorithmes de représentation de textes pour faire de la classification de textes
- Expliquer un problème un problème de classification de séquence à l’aide de l’algorithme HMM
- Utiliser une librairie utilisant l’apprentissage profond pour résoudre un problème de classification de séquence
- Appliquer une technique statistique pour entraîner un modèle de langue
Contenu
Partie 0 : Introduction au traitement des données textuelles avec l'apprentissage automatique
Partie 1 : Classification de texte avec encodage simple
- Module 1.1 : Classification avec modèle naïf bayesien
- Module 1.2 : Classification par régression logistique
- Module 1.3 : Sélection d’attributs dans la représentation de textes
- Module 1.4 : TF-IDF
- Module 1.5 : Représentation par n-grammes
- Module 1.6 : Création d’attributs de représentation
Partie 2 : Modèle de langue
- Module 2.1 : Modèle de langues statistique
- Module 2.2 : Exemple - Modèles de langue et dictées trouées avec mots précédents comme contexte
- Module 2.3 : Exemple - Modèles de langue et dictées trouées avec mots précédents et suivants comme contexte
Partie 3 : Classification de séquences
- Module 3.1 : Classification de séquences statistique
- Module 3.2 : Exemple - Entraînement de reconnaisseur d'entités nommées
- Module 3.3 : Exemple - Classification de textes filtrés par classe grammaticale
Précisions sur la formation
Cette formation est une autoformation. Vous pouvez débuter votre apprentissage au moment où vous le souhaitez. La plateforme de la formation vous sera accessible pour une durée de 365 jours suivant votre première connexion à PAX.
Stratégies pédagogiques
Formation autonome en mode asynchrone par lectures, démonstration et exercices sur une plateforme d’apprentissage expérientielle (PAX).
PAX Expérience
PAX est une plateforme unique d’apprentissage novatrice, dite intelligente, qui regroupe des outils d’apprentissage adaptatifs et interactifs. Elle agit véritablement comme un tuteur intelligent permettant à l’apprenant d’apprendre par déduction en connaissant la nature et la source de ses erreurs.
Avantages distinctifs de PAX :
- La théorie est exposée sous forme de modules multimédias interactifs
- Des exercices interactifs permettent l'approfondissement des notions théoriques enseignées. Ceux-ci sont analysé par PAX, qui offre une rétroaction immédiate et individuelle afin d'aider le participant à corriger ses erreurs par déduction
- Des quiz chronométrés permettent au participant de tester ses acquis autant de fois qu’il le désire
- Un forum contextuel où les fils de discussions sont liés aux contenus (modules-exercices et quiz)
- Un forum animé par des experts en Python
Découvrez tous les avantages de PAX Expérience : https://www.fsg.ulaval.ca/etudes/formation-continue/pax-experien
Reconnaissance
Une attestation de participation reconnaissant les heures de formation continue est décernée, après la formation, à chacun des participants qui respectent les conditions d'attestation.