Artificial Intelligence - Big Data - Text Mining, méthodes et solutions

Bonnes connaissances en statistiques. Bonnes connaissances du Machine Learning et du Deep Learning. Expérience requise.

• Comprendre les méthodes de la statistique textuelle.
• Mettre en œuvre l’extraction des caractéristiques de données textuelles.
• Créer des sélections et des classements dans de grands volumes de données textuelles.
• Choisir un algorithme de classification.
• Évaluer les performances prédictives d'un algorithme.

Machine Learning et Deep Learning pour les données textuelles s'inscrivent dans le cadre du traitement statistique et de la valorisation des données dans tout projet Big Data. Ce cours pratique vous présentera toute la chaîne de conception appliquée au Machine Learning dans un contexte Big Data batch et streaming.

Les approches traditionnelles en Text Mining

• Les API pour récupérer des données textuelles.
• La préparation des données textuelles en fonction de la problématique.
• La récupération et l'exploration du corpus de textes.
• La suppression des caractères accentués et spéciaux.
• Stemming, Lemmatization et suppression des mots de liaison.
• Tout rassembler pour nettoyer et normaliser les données.

Travaux pratiques:

• La recherche des documents, la préparation, la transformation et la vectorisation des données en DataFrame.

Feature Engineering pour la représentation de texte

• Comprendre la syntaxe et la structure du texte.
• Le modèle Bag of Words et Bag of N-Grams.
• Le modèle TF-IDF, Transformer et Vectorizer.
• Le modèle Word2Vec et l’implémentation avec Gensim.
• Le modèle GloVe.
• Le modèle FastText.

Travaux pratiques:

• Mise en place des opérations d’extraction des caractéristiques de données textuelles afin d’effectuer des classifications.

La similarité des textes et classification non supervisée

• Les concepts essentiels de similarité.
• Analyse de la similarité des termes: distances Hamming, Manhattan, Euclidienne et Levenshtein.
• Analyse de la similarité des documents.
• Okapi BM25 et le palmarès de classement.
• Les algorithmes de classification non supervisée.

Travaux pratiques:

• Construire un système de recommandation des produits similaires sur la base de la description et du contenu des produits que vous avez choisi.

La classification supervisée du texte

• Prétraitement et normalisation des données.
• Modèles de classification.
• Multinomial Naïve Bayes.
• Régression logistique. Support Vector Machines.
• Random Forest. Gradient Boosting Machines.
• Évaluation des modèles de classification.

Travaux pratiques:

• Mise en œuvre des classifications supervisées sur plusieurs jeux de données.

Natural Language Processing et Deep Learning

• Les librairies NLP: NLTK, TextBlob, SpaCy, Gensim, Pattern, Stanford CoreNLP.
• Les librairies Deep Learning: Theano, TensorFlow, Keras.
• Natural Language Processing et Recurrent Neural Networks.
• RNN et Long Short-Term Memory. Les modèles bidirectionnels RNN.
• Les modèles Sequence-to-Sequence.
• Questions et réponses avec les modèles RNN.

Travaux pratiques:

• Construire un RNN pour générer un nouveau texte.

Notre méthode, adaptée à votre contexte, associe implication des participants et supports concrets.

Attestation de présence

En présentiel ou en classe virtuelle