Aperçu des sections

  • Module TALN

    Tout replier Tout déplier

    Module TALN Traitement Automatique du Langage Naturel  (NLP Natural Language Processing)

    Cours Présenté par :

    Pr. HACENE BELHADEF (Professeur à l'université de Constantine 2)

    Mr. ISLAM DJEMAL (Doctorant à l'université de Mila)

    NLP wordcloud



  • Objectifs et Sommaire

    • Objectifs :

    Le cours apportera à l'étudiant les bases théoriques nécessaires à la compréhension des objectifs et des défis actuels du traitement automatique du langage naturel (TALN). En parallèle, l'étudiant apprendra à analyser et à expliquer les limites pratiques et techniques que l'on rencontre dans la mise en place de systèmes informatiques destinés au traitement des langues.

    A la fin de ce cours, l’étudiant sera en mesure de :

    - maitriser des notions de base en Traitement Automatique des Langues,

    - prendre en main les outils et la programmation en python pour le traitement automatique du langage naturel.

    - Prendre en main un Pipeline (Processus ou chaîne de production) pour le développement des applications TALN.

    - visualiser, évaluer et critiquer les résultats de développent.

  • Chapitre 1 : Présentation et Introduction

  • Chapitre 2 : Niveaux de traitement NLP

  • Chapitre 3 : Prétraitement (Preprocessing)

    Objectifs du chapitre :

    L’objectif de ce chapitre est d’amener l’étudiant à être en mesure de définir une procédure de nettoyage et de préparation des données textuelles appropriée à un type de projet en NLP.

    - Appliquer des techniques de préparation de données textuelles,

    - Appliquer des techniques de normalisation de texte,

    - Créer une procédure de nettoyage de données textuelles.

    - Prendre en main les bibliothèques dédiées de Python.

  • Chapitre 4 : Vectorisation (Représentation Vectorielle)

    Objectifs du chapitre :

    L’objectif de ce chapitre est d’amener l’étudiant à être en mesure de définir une procédure de représentation numérique d’un mot ou d’un texte sous forme vectorielle. Pour cela l’étudiant va apprendre comment :

    - Créer une procédure de transformation d’un texte vers un vecteur numérique,

    - Prendre en main les bibliothèques Python dédiées,

    - Comprendre les avantages et les inconvénients de chaque méthode.

  • Chapitre 5: Techniques de Modélisation

    Objectifs du chapitre :

    L’objectif de ce chapitre est d’amener l’étudiant à être en mesure de définir une procédure de représentation numérique d’un mot ou d’un texte sous forme vectorielle. Pour cela l’étudiant va :

    - Comprendre le principe de fonctionnement des algorithmes d’apprentissage automatiques classiques et profonds les plus utilisés et les plus répondus dans le domaine TALN,

    - Apprendre à appliquer les mesures de performances pour évaluer un modèle TALN,

    - Prendre en main les bibliothèques Python dédiées pour exploiter ces différents algorithmes.

  • Corrigé Type du Contrôle