Programme de Formation
6
module(s)
Durée totale : 240
Apprenez à faire comprendre du texte à une machine. De la tokenisation aux embeddings, en passant par TF-IDF et la similarité cosinus, vous construirez pas à pas les briques du NLP moderne.
Module 1 : Pourquoi le texte est difficile pour une machine
30
Comprendre pourquoi le langage humain est un cauchemar algorithmique : ambiguïté, variabilité, contexte, sens. Une mise en bouche avant de plonger dans les techniques du NLP.
Module 2 : Tokenisation, stopwords et lemmatisation
45
Pré-traiter du texte français comme un pro : découper en tokens, retirer les mots inutiles, ramener les mots à leur forme de base. Trois techniques, du code Python exécutable et les pièges à éviter.
Module 3 : Représenter un texte — du mot au vecteur
45
Découvrir le Bag of Words, la première technique de vectorisation du NLP. Comment transformer une phrase en suite de chiffres compréhensibles par un algorithme, avec scikit-learn.
Module 4 : TF-IDF — pondérer l'importance des mots
45
Dépasser le simple comptage de mots. Comprendre TF-IDF, la pondération qui met en avant les mots rares et informatifs. Théorie, intuition et implémentation avec scikit-learn.
Module 5 : Embeddings — des mots au sens
45
Capturer le sens des mots et des phrases dans des vecteurs denses. Découvrir Word2Vec, l'intuition géométrique du sens et les sentence-transformers modernes, avec du code Python prêt à l'emploi.
Module 6 : Similarité cosinus pour la recherche sémantique
30
Mesurer à quel point deux textes se ressemblent grâce à la similarité cosinus. Intuition géométrique, formule, code Python et mini-moteur de recherche sémantique complet en 30 lignes.
Commentaires
0 commentaire
Aucun commentaire pour le moment
Soyez le premier à partager votre avis !
Se connecter pour commenter