Analyser, modéliser et exploiter les données textuelles avec l’IA
Cette formation propose une immersion dans les techniques de traitement automatique du langage naturel (NLP), utilisées pour analyser, comprendre et générer du texte en langage humain.
Est-ce pour vous ?
• Développeurs et ingénieurs IA
• Data scientists
• Chefs de projet IT
Préalables
• Connaissances de base en Python.
• Notions en machine learning ou en data science.
• Aisance avec les outils numériques et les environnements de développement.
Ce que vous saurez faire
- ✓ Préparer et transformer des données textuelles (tokenisation, lemmatisation, nettoyage)
- ✓ Représenter le texte avec des méthodes adaptées (TF-IDF, embeddings)
- ✓ Construire et évaluer des modèles de classification et d’analyse de sentiments
- ✓ Extraire des informations clés (entités nommées, relations, mots-clés) à partir de textes
- ✓ Développer et déployer des applications NLP, dont des chatbots basés sur Transformers
Contenu de la formation
1 Fondamentaux du NLP
Chapitre 1 : Introduction au NLP
- Définition et historique
- Domaines d’application : santé, RH, juridique, marketing…
Chapitre 2 : Prétraitement du texte
- Tokenisation, lemmatisation, stemming
- Nettoyage des données textuelles
- Stop words et normalisation
Chapitre 3 : Représentation du texte
- Bag of Words, TF-IDF
- Word embeddings : Word2Vec, GloVe
Atelier 1 : Nettoyage et vectorisation d’un corpus de textes
- Manipulation d’un jeu de données (ex : avis clients ou CVs) avec NLTK et scikit-learn
2 Modélisation et extraction d’information
Chapitre 4 : Modèles de classification de texte
- Naive Bayes, SVM, réseaux de neurones
- Évaluation des performances
Chapitre 5 : Extraction d’information
- Reconnaissance d’entités nommées (NER)
- Extraction de relations et de mots-clés
Chapitre 6 : Analyse de sentiments
- Méthodes supervisées et lexiques
- Cas d’usage : feedback client, réseaux sociaux
Atelier 2 : Création d’un modèle de classification de sentiments
Entraînement d’un modèle sur des avis produits ou des commentaires d’utilisateurs
3 NLP avancé et intégration
Chapitre 7 : NLP avec les modèles Transformers
- Introduction à BERT, GPT, RoBERTa
- Fine-tuning et transfert d’apprentissage
Chapitre 8 : Génération de texte et chatbot
- Modèles génératifs
- Conception d’un assistant conversationnel simple
Chapitre 9 : Déploiement et intégration
- API NLP (Hugging Face, spaCy)
- Intégration dans une application web ou mobile
Atelier 3 : Création d’un mini-chatbot avec Hugging Face Transformers
- Développement d’un assistant conversationnel pour répondre à des questions RH ou médicales
📌 Informations pratiques
Nos formations sont offertes à Montréal ou Québec, en présentiel ou en classe virtuelle. Les dates et lieux sont précisés lors de votre choix de session ci-dessous. Si vous avez des questions, consultez notre FAQ.
