Bienvenue au meilleur cours de traitement du langage naturel sur Udemy! Ce cours est conçu pour être votre ressource en ligne complète pour apprendre à utiliser le traitement du langage naturel avec le langage de programmation Python.

Dans le cours, nous couvrirons tout ce que vous devez apprendre afin de devenir un praticien de classe mondiale de la PNL avec Python.

Nous allons commencer par les bases, en apprenant à ouvrir et à travailler avec du texte, ainsi qu’à apprendre à utiliser des expressions régulières pour rechercher des modèles personnalisés à l’intérieur de fichiers texte.

Ensuite, nous commencerons par les bases du traitement du langage naturel, en utilisant la bibliothèque Natural Language Toolkit pour Python, ainsi que la bibliothèque de pointe Spacy pour une tokenisation, une analyse, une reconnaissance d’entité et une lemmatisation de texte ultra rapides.

Nous comprendrons les concepts fondamentaux de la PNL tels que le stemming, la lemmatisation, les mots vides, la tokenisation et plus encore!

Ensuite, nous couvrirons le balisage de la partie de la parole, où vos scripts Python pourront attribuer automatiquement des mots dans le texte à leur partie appropriée de la parole, tels que les noms, les verbes et les adjectifs, une partie essentielle de la construction de systèmes de langage intelligents.

Nous découvrirons également la reconnaissance des entités nommées, permettant à votre code de comprendre automatiquement des concepts tels que l’argent, le temps, les entreprises, les produits, et plus simplement en fournissant les informations textuelles.

Grâce à des bibliothèques de visualisation de pointe, nous pourrons visualiser ces relations en temps réel.

Ensuite, nous passerons à la compréhension de l’apprentissage automatique avec Scikit-Learn pour effectuer une classification de texte, comme la création automatique de systèmes d’apprentissage automatique qui peuvent déterminer les critiques de films positives ou négatives, ou le spam par rapport aux e-mails légitimes.

Nous étendrons ces connaissances à des méthodes d’apprentissage non supervisées plus complexes pour le traitement du langage naturel, telles que la modélisation de sujets, où nos modèles d’apprentissage automatique détecteront des sujets et des concepts majeurs à partir de fichiers texte bruts.