Profitez de -25 % pour toute nouvelle inscription à nos formations jusqu’au 31 décembre 2026

Formation en IA & Data: Machine Learning - Natural Language Processing - Ascent Formation
Retour aux formations
IA & Data

Formation Machine Learning - Natural Language Processing

3 jour(s) • 21h
Éligible OPCO
8,8/10 avis apprenants

Description

Objectif de formation : Le traitement du langage naturel NLP (Natural Language Processing) est une branche de l'intelligence artificielle qui aide les ordinateurs à comprendre, interpréter et manipuler le langage humain. Le NLP s'inspire de nombreuses disciplines, notamment l'informatique et la linguistique computationnelle, pour combler le fossé entre la communication humaine et la compréhension de l'ordinateur. Cette formation vise à présenter le NLP, à en comprendre les nuances et le contexte qui l'entoure, ainsi que le traitement par vectorisation (ou "embedding").

  • Comprendre les technologies de NLU et les architectures pour les mettre en place
  • Appliquer des modèles sémantiques structurés sur des applications de récupération d’information
  • Appliquer les modèles NLP pour résoudre des problèmes de rapprochement sémantique
  • Manipuler des modèles pré entraînés associé à une architecture innovante (Transformers)

  • Ingénieurs
  • Chefs de projets IA
  • Consultants IA
  • Développeurs

  • Maîtriser la programmation python
  • Notions en IA/Machine learning

  1. 1

    Introduction à l'IA, Machine Learning & NLP (0,2 jour)

    • Définition
    • Données structurées et non structurées
    • Exemples d’applications du NLP
    • Lien avec le Machine Learning
  2. 2

    Création d’un corpus, nettoyage de texte et réduction de la dimensionnalité (0,2 jour)

    • Interroger les chaînes de caractères et transformer un texte
    • Définition des regex et fonctions de base de nettoyage
    • Intérêt de la réduction de dimensionnalité
    • Différence avec la réduction de dimension
    • Présentation des méthodes classiques de réduction (Harmonisation, Correction orthographique, Synonymes, Stopwords, Lemmatisation et Stemming )
    • Travaux pratiques : construction de fonctions de nettoyage et normalisation pour le texte français (accents, caractères spéciaux, lemm, stem, stop words, …)
  3. 3

    Structurer les données dans des matrices de scores (modèles statistiques) (0,6 jour)

    • Présentation du vocabulaire
    • Matrice termes-documents
    • Définition des tokens et notions de n-grams
    • Modèles statistiques classiques en NLP : Word Count, TF-IDF
    • Influence des données sur le choix des indicateurs
    • Travaux pratiques : extraction d’expression caractérisant des commentaires clients
  4. 4

    Réalisation d’un algorithme d’apprentissage (0,4 jour)

    • Rappels de Machine Learning
    • Classification binaire (Régression Logistique, Naives Bayes, SVM et Random Forest)
    • Travaux pratiques : application sur un classifier de polarité de document (positif/négatif)
  5. 5

    Featurisation du texte et similarité sémantique (0,4 jour)

    • Rappels outils d’analyse de distance (Manhattan, Jaccard, Cosinus, …)
    • Qualification du rapprochement sémantique de documents
    • Travaux pratiques : réalisation d’outils de rapprochement sémantique CV/poste d’emploi
    • Travaux pratiques : réalisation d’un chatbot 2nd generation (pour FAQ)
  6. 6

    Deep Learning & architecture transformers (1,2 jours)

    • Word embedding
    • Rappels RNN
    • “Attention is all you need”
    • Modèles pré entrainés BERT
    • Library NLP / DL : PyTorch, Hugging face et spacy
    • Travaux pratiques : manipulation BERT sur “use case” et utilisation de PyTorch & Hugging Face

Ils nous font Confiance

Nos partenaires de confiance

Ministère des armées
Thalès
Dassault Systèmes
Ariane Group
EDF
SNCF
Orange Cyberdefense
Total
Société Générale
Ministère de l'Intérieur
Boston Consulting Group
Crédit Agricole
Capgemini
Sopra Steria
Ministère de l'économie
Bouygues Télécom
Devoteam
Imprimerie Nationale
Business France
Ordre National des Pharmaciens
Abeille Assurances
Macif
Service Public Fédéral Finances
ANFH
Bruxelles Formation
Atlas OPCO
Uniformation
Adeo
Positive Thinking Company
Sogelink
Septeo
HN Services
Infotel
Ercom
Neosoft
Klaxoon
Asus
Linkvalue
Suneris
Datadocké

Questions fréquentes

FAQ : Formation Machine Learning - Natural Language Processing

  • Oui, mais la prise en charge d'une formation professionnelle par un OPCO dépend de votre opérateur de compétences, de votre branche d'activité et des critères de financement applicables. Ascent Formation vous accompagne dans l'identification des possibilités de financement adaptées à votre entreprise.

  • Une formation inter-entreprises réunit des participants issus de différentes organisations, tandis qu'une formation intra-entreprise est organisée pour les collaborateurs d'une même entreprise. Le format intra permet notamment d'adapter le contenu et les modalités aux besoins spécifiques de vos équipes.

  • Selon la formation proposée, il est possible de suivre une formation professionnelle à distance, en présentiel ou selon d'autres modalités disponibles. Consultez les informations de la session concernée ou contactez-nous pour connaître les formats possibles.

  • Oui, une formation professionnelle peut être adaptée aux objectifs, au niveau des participants et aux besoins opérationnels de votre entreprise. Ascent Formation vous propose des parcours personnalisés pour accompagner le développement des compétences de vos équipes.