– Introduction à l'exploration de textes (TNL)
– Représentation des textes
– Modélisation du langage
– Classification de textes
– Réseaux neuronaux pour les textes
– Modélisation du langage basée sur l'attention
https://neptun.elte.hu/MobilityCourses?Faculty=&Programme=&AcademicTerm=&Published=&SearchText=text+mining
À l'issue de cette formation, le participant sera capable de comprendre le fonctionnement des technologies actuelles d'analyse et de modélisation des données, et de les appliquer à des situations concrètes, y compris celles impliquant de grands volumes de données.
Le participant se familiarisera avec les techniques de stockage, de traitement et de visualisation de grands ensembles de données, ainsi qu'avec les caractéristiques des différents écosystèmes d'outils.
L'apprenant comprendra les principaux domaines d'application de la science des données, les défis qui y sont liés, les solutions possibles, ainsi que les limites des méthodes et techniques associées.
L'apprenant sera capable d'identifier les relations entre différents types de données, d'extraire des informations pertinentes et de résoudre des problèmes grâce à la transformation des données dans des contextes pluridisciplinaires.
Aucun prérequis particulier n'est exigé pour ce cours.
– D. Jurafsky, J. H. Martin. Traitement de la parole et du langage : introduction au traitement du langage naturel, à la reconnaissance vocale et à la linguistique informatique (2e éd.), Prentice-Hall, 2009.
– C. Manning et H. Schütze, Fondements du traitement statistique du langage naturel, MIT Press. Cambridge, MA : mai 1999.
Le cours associera des cours magistraux, des démonstrations pratiques, des exercices pratiques, des études de cas et un apprentissage par projet. Les activités pédagogiques viseront principalement à présenter les concepts clés, à appliquer des techniques d’analyse de données et de modélisation à des exemples concrets, et à encourager les apprenants à interpréter les résultats et à résoudre des problèmes à l’aide des données. Des activités individuelles et en groupe pourront être proposées afin de favoriser l’apprentissage actif, les discussions et la collaboration pluridisciplinaire.
Relevé de notes