Plan du cours

Vue d'ensemble des paquets Python liés à la PNL

Introduction au NLP (exemples dans Python bien sûr)

  1. Manipulation simple de texte
    1. Recherche de texte
    2. Compter les Words
    3. Découpage de textes en Words
    4. Dispersion lexicale
  2. Traitement des structures complexes
    1. Représentation des textes dans des listes
    2. Indexation des listes
    3. Collocations
    4. Bigrammes
    5. Distributions de fréquences
    6. Conditionnels avec Word
    7. Comparaison de Words (startswith, endswith, islower, isalpha, etc...)
  3. Compréhension du langage naturel
    1. Désambiguïsation des sens Word
    2. Résolution des pronoms
  4. Traductions automatiques (statistiques, basées sur des règles, littérales, etc...)
  5. Exercices

NLP dans Python dans des exemples

  1. Accessing Corpora de textes et ressources lexicales
    1. Sources courantes de corpus
    2. Distributions de fréquences conditionnelles
    3. Compter les Words par genre
    4. Créer son propre corpus
    5. Dictionnaire de prononciation
    6. Lexique de la boîte à chaussures et de la boîte à outils
    7. Sens et synonymes
    8. Hiérarchies
    9. Relations lexicales : Méronymes, Holonymes
    10. Similitude sémantique
  2. Traitement du texte brut
    1. Écriture
    2. Troncature
    3. Extraction de parties de chaîne
    4. Access caractères individuels
    5. Recherche, remplacement, division, assemblage, indexation, etc...
    6. Utilisation d'expressions régulières
    7. Détection de modèles de mots
    8. Troncature
    9. La tokenisation
    10. Normalisation du texte
    11. [Segmentation (surtout en chinois)
  3. Catégorisation et étiquetage Words
    1. Corpus étiquetés
    2. Jetons étiquetés
    3. Jeu de balises de parties de discours
    4. Dictionnaires Python
    5. Correspondance entre les Words et les propriétés
    6. Étiquetage automatique
    7. Détermination de la catégorie d'un Word (morphologique, syntaxique, sémantique)
  4. Classification des textes (Machine Learning)
    1. Classification supervisée
    2. Segmentation des phrases
    3. Validation croisée
    4. Arbres de décision
  5. Extraction d'informations à partir de textes
    1. Chunking
    2. Chaînage
    3. Balises et arbres
  6. Analyse de la structure des phrases
    1. Grammaire libre de contexte
    2. Parseurs
  7. Construction de grammaires basées sur les caractéristiques
    1. Caractéristiques grammaticales
    2. Traitement des structures d'éléments
  8. Analyse du sens des phrases
    1. Sémantique et logique
    2. Logique propositionnelle
    3. Logique du premier ordre
    4. Sémantique du discours
  9. Gestion des données linguistiques
    1. Formats de données (lexique ou texte)
    2. Métadonnées

Pré requis

Connaissances de base Python

 28 Heures

Nombre de participants


Prix ​​par Participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires