Analyse des sentiments avec du traitement du langage naturel
Apprendre les bases de la classification de texte Construire un modèle d'analyse de sentiments S'initier à PyCaret et KNIME Les projets pratiques sont des exemples de cas analysés par nos experts. Ils vous permettront de voir l'application de l'IA d... Lire la suite
pour tous
Connaissances de base en Python et en apprentissage automatique
Les outils que nous utiliserons:
- Python (distribution Anaconda),
- La bibliothèque PyCaret
- Le logiciel KNIME
- Apprendre les bases de la classification de texte
- Construire un modèle d'analyse de sentiments
- S'initier à PyCaret et KNIME
Les projets pratiques sont des exemples de cas analysés par nos experts. Ils vous permettront de voir l'application de l'IA dans différents domaines tels que la finance, la santé et la logistique et dans diverses fonctions comme le marketing et les ressources humaines. Peu importe le domaine dans lequel vous travaillez, vous apprendrez à utiliser la science des données et l'intelligence artificielle de manière concrète grâce à nos projets pratiques.
Les professionnels qui souhaitent acquérir des compétences en apprentissage automatique.
Dans ce projet vous apprendrez à utiliser l'apprentissage automatique afin de construire un modèle de classification de textes. Si vous voulez apprendre à créer un modèle de classification sur des données textuelles tout en limitant la quantité de programmation requise, alors ce tutoriel vous est destiné! Nous utiliserons PyCaret, une librairie Python de type « open source » et « low code ». Nous verrons aussi un équivalent de type « no-code » avec l'outil KNIME. Nul besoin de travailler dans la science des données afin de suivre ce cours, mais il est recommandé d'avoir des connaissances de base en Python et en apprentissage automatique. L'objectif de ce projet pratique est de donner au principal intéressé les compétences requises afin de monter par lui-même un modèle d'analyse de sentiments. Le but est donc que l'apprenant acquière de fortes bases en classification de texte programmée, ce qui lui permettra par la suite de pouvoir appliquer ses acquis dans plusieurs autres tâches similaires. Pour se faire, nous vous montrons un exemple concret d'application dans une situation d'affaires de l'analyse de sentiments.
Le projet est divisé en neuf étapes:
- Import des librairies et fonctionnalités requises
- Import des données, inspection initiale et sélection préliminaire
- Attribution des catégories et correction des fautes initialement détectées
- Création de variables supplémentaires
- Création des fonctions de transformation de texte et de tokenisation
- Extraction des mots de filtrage(stopwords)
- La modélisation et la division de l'échantillon
- Préparation de l'environnement (PyCaret), création et optimisation du modèle
- Prédiction sur de nouvelles observations et calculer les mesures de performance
La version premium du projet pratique vous donne accès aux:
- Laboratoire virtuel: aucune installation de logiciel sur vos ordinateurs n'est requise.
- Certificat d'achèvement du projet pratique.
La version premium de cette formation vous permet d'obtenir un certificat d'achèvement prouvant l'acquis de vos connaissances.
Entreprise de formation
