Ce cours offre un Chemin clair pour comprendre la tokenisation avancée et l'analyse des sentiments - deux piliers fondamentaux du NLP moderne. Vous apprendrez à convertir le texte brut en entrée structurée à l'aide de techniques de tokenisation au niveau du sous-mot, du caractère et adaptative, et à extraire le sentiment à l'aide de modèles basés sur des règles, statistiques et d'apprentissage profond. Grâce à des exercices pratiques, vous acquerrez les compétences nécessaires pour gérer des entrées linguistiques complexes, modéliser le sentiment à une granularité fine et déployer des systèmes qui se généralisent à travers les domaines et les langues.

Tokenisation avancée et analyse des sentiments
Développez des compétences très recherchées grâce à un abonnement d'un an à Coursera Plus, désormais à 239 $. Profitez-en dès maintenant.

Tokenisation avancée et analyse des sentiments
Ce cours fait partie de Spécialisation "Maîtriser le NLP : Tokenisation, Analyse des sentiments et MT neuronale"

Instructeur : Edureka
Inclus avec En savoir plus
Expérience recommandée
Ce que vous apprendrez
Créez des pipelines de TALN plus performants grâce à des méthodes de tokenisation avancées telles que le codage par paires d'octets, les unités de sous-mots et les stratégies adaptées au traitement en continu.
Créez des représentations textuelles puissantes à l'aide d'embeddings au niveau des caractères, hybrides et au niveau des phrases pour la recherche, la classification et le regroupement dans des contextes concrets.
Apprenez l'analyse des sentiments avec VADER, les modèles d'apprentissage automatique et les approches basées sur les transformateurs, telles que BERT et RoBERTa.
Analyser les tendances d'opinion, réaliser des analyses de sentiment au niveau des aspects et en plusieurs langues, et garantir l'impartialité et la précision dans les applications sensibles.
Compétences que vous acquerrez
- Catégorie : Modélisation des grandes langues
- Catégorie : Traitement du langage naturel
- Catégorie : Évaluation du modèle
- Catégorie : Algorithmes de classification
- Catégorie : Analyse des données
- Catégorie : Intelligence artificielle et apprentissage automatique (IA/ML)
- Catégorie : Langage de modélisation unifié
- Catégorie : Éthique des données
- Catégorie : Nettoyage des données
- Catégorie : Emboîtements
- Catégorie : Algorithmes d'apprentissage automatique
- Catégorie : Apprentissage profond
- Catégorie : Traitement des données
- Catégorie : L'IA responsable
- Catégorie : Apprentissage automatique appliqué
Détails à connaître

Ajouter à votre profil LinkedIn
Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable

En savoir plus sur Apprentissage automatique
Qu’est-ce qui vous amène sur Coursera aujourd’hui ?
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Foire Aux Questions
Plus de questions
Aide financière disponible,
¹ Certains travaux de ce cours sont notés par l'IA. Pour ces travaux, vos Données internes seront utilisées conformément à Notification de confidentialité de Coursera.






