Descriptif
Attention ce module est une version dupliquée de SD-TSIA 214. Il n'est donc pas possible de le suivre si vous avez déjà suivi ou si vous comptez suivre SD-TSIA 214. ce cours est conçu pour des élèves qui seront présents aux cours et aux tp.
Le traitement automatique des langues est un domaine en pleine expansion. Par exemple, beaucoup d'efforts ont été récemment consacrés au développement de méthodes capables d'analyser les données d'opinion disponibles sur le Web social. Le premier objectif de ce cours est d'aborder les différentes méthodes de traitement de la langue et d'apprentissage automatique sous-jacentes à l'analyse des textes. Au cours de ce cours, les étudiants acquerront des compétences théoriques et techniques sur les méthodes avancées d'apprentissage automatique et le traitement du langage naturel.
Les techniques et concepts qui seront étudiés comprennent:
-processus de langage naturel: tokenisation, marquage de partie de discours, représentation de document et word embeddings
ressources linguistiques : les lexiques, wordnet
-classement de texte et catégorisation de texte: méthodes avancées d'apprentissage automatique telles que les réseaux de neurones, les modèles markov cachés, etc.
Objectifs pédagogiques
Attention ce module est une version dupliquée de SD-TSIA 214. Il n'est donc pas possible de le suivre si vous avez déjà suivi ou si vous comptez suivre SD-TSIA 214. ce cours est conçu pour des élèves qui seront présents aux cours et aux tp.
Diplôme(s) concerné(s)
- Programme de mobilité des établissements français partenaires
- Echange international non diplomant
- Master M2 - Data & Artificial Intelligence
- Diplôme d'ingénieur
- Master M1 - Data and Artificial Intelligence
Parcours de rattachement
Format des notes
Numérique sur 20Littérale/grade européenPour les étudiants du diplôme Diplôme d'ingénieur
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2 ECTS
- Crédit d'Option 3A acquis : 2
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme Echange international non diplomant
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme Master M1 - Data and Artificial Intelligence
Pour les étudiants du diplôme Programme de mobilité des établissements français partenaires
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme Master M2 - Data & Artificial Intelligence
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2.5 ECTS
La note obtenue rentre dans le calcul de votre GPA.