Acquérez des compétences pratiques en analyse des sentiments grâce aux réseaux neuronaux récurrents (RNN), aux réseaux à mémoire à long et court terme (LSTM), à Keras et à Python. Conçu pour les apprenants qui souhaitent acquérir une expérience pratique du deep learning appliqué au traitement du langage naturel (NLP), ce cours axé sur des projets vous guide dans la classification des critiques de films IMDB par sentiment dans Google Colab.

Vous commencerez par explorer les principes fondamentaux de l’analyse des sentiments, configurer l’environnement Colab et télécharger le jeu de données IMDb. Vous préparerez ensuite des séquences de texte pour l’entraînement des RNN grâce à la tokenisation et au remplissage. Au fur et à mesure de votre progression, vous apprendrez les bases des réseaux LSTM et vous construirez, entraînerez et évaluerez des modèles LSTM simples et complexes. Vous représenterez également graphiquement les résultats des modèles, prédirez les sentiments exprimés dans les critiques de films et optimiserez les modèles RNN afin d’améliorer la précision de la classification. Ce qui distingue ce cours, c’est son approche étape par étape, axée sur la mise en œuvre : chaque concept est directement lié à un codage pratique en Python. À la fin de ce cours, vous serez capable de prétraiter des données textuelles, de concevoir et d’évaluer des modèles d’analyse des sentiments basés sur les LSTM, d’interpréter les résultats et d’appliquer des techniques d’apprentissage profond à des tâches de TALN. Inscrivez-vous pour mettre en place un workflow complet d’analyse des sentiments et renforcer vos compétences pratiques en RNN et Keras.