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").
Objectifs pédagogiques
- 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)
Public concerné
Ingénieurs
Chefs de projets IA
Consultants IA
Développeurs
Prérequis
Maîtriser la programmation python
Notions en IA/Machine learning
Déroulé du programme
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
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
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
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
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
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
Informations
Durée
3 jour(s)
21h
Tarif
2100 € HT
HT
Formations similaires
IA & Data
Migration vers le Cloud
2 jour(s)
Sur demande
IA & Data
Agents IA — Concevoir des systèmes autonomes avec LangChain et LangGraph - Avancé
3 jour(s)
Sur demande
IA & Data
AI Act européen — Comprendre vos obligations et vous mettre en conformité - Niveau débutant
1 jour(s)
Sur demande
IA & Data
Analyse des données avec Microsoft Power BI (4-167)
3 jour(s)
2200 € HT