• Votre sélection est vide.

    Enregistrez les diplômes, parcours ou enseignements de votre choix.

    UE Fouille de textes

    • Niveau d'étude

      Bac +5

    • ECTS

      3 crédits

    • Crédits ECTS Echange

      3.0

    • Composante

      UFR IM2AG (informatique, mathématiques et mathématiques appliquées)

    • Période de l'année

      Automne (sept. à dec./janv.)

    Description

    Dans ce cours, nous abordons les problèmes et les méthodes d'accès à l'information disponible dans les textes, qui constituent des données non structurées. La première partie du cours est une introduction générale aux tâches de fouilles de textes et aux architectures neuronales utilisées pour ces tâches : MLP, RNN  (en particulier les LSTM), et Transformers. Nous verrons également les techniques de représentation vectorielle des éléments textuels (mots, phrases, paragraphes, etc.), en particulier les plongements lexicaux statiques (word2vec ou glove) ou contextuels (par exemple BERT).  Nous étudierons ensuite en détail les tâches de classification de textes, de reconnaissance d'entités nommées, d'extractions de relations entre entités et de fouille d'opinions ciblée par aspect. Nous verrons comment modéliser ces tâches comme des problèmes de classification, et mettre en œuvre les solutions en Python, en utilisant des librairies d'apprentissage automatique (PyTorch ou Tensorflow/Keras, transformers, etc.)

    Lire plus

    Heures d'enseignement

    • CMCM12h
    • TPTP12h

    Pré-requis recommandés

    • Programmation en Python
    Lire plus

    Période

    Semestre 9

    Compétences visées

    - Connaissance des problèmes spécifiques à l'analyse de données non structurées (textes).

    - Connaissance des principales méthodes utilisées, notamment pour l'extraction d'information et la fouille d'opinions dans les textes.

    - Capacité à mettre en œuvre ces méthodes en Python.

    Lire plus

    Bibliographie

    Lire plus