Vous avez déjà un compte client ORSYS
Se connecter
Vous êtes nouveau chez ORSYS
Créer un compte
Vous ne souhaitez pas créer de compte
Poursuivre sans me connecter

Publicatiedatum : 19/01/2024

Opleiding : NLP, natuurlijke taalverwerking met Python

Natuurlijke taalverwerking met Python-tools en -bibliotheken

Praktijkcursus - 3d - 21u00 - Ref. PTS
Prijs : 1650 € V.B.

NLP, natuurlijke taalverwerking met Python

Natuurlijke taalverwerking met Python-tools en -bibliotheken

Gemiddelde feedback van klanten Gemiddelde feedback van klanten Gemiddelde feedback van klanten Gemiddelde feedback van klanten Gemiddelde feedback van klanten
5 / 5


Deze cursus leert het gebruik van Python voor natuurlijke taalverwerking: datavoorbereiding, tekstrepresentatie en modellering. De deelnemer gebruikt Python tools en bibliotheken om veelvoorkomende NLP taken uit te voeren en NLP modellen te implementeren en toe te passen.


INTER
INTRA
OP MAAT

Praktijkcursus ter plaatse of via klasverband op afstand
Disponible en anglais, à la demande

Ref. PTS
  3d - 21u00
1650 € V.B.

Downloaden in pdf-formaat

Deze cursus delen via mail




Deze cursus leert het gebruik van Python voor natuurlijke taalverwerking: datavoorbereiding, tekstrepresentatie en modellering. De deelnemer gebruikt Python tools en bibliotheken om veelvoorkomende NLP taken uit te voeren en NLP modellen te implementeren en toe te passen.


Pedagogische doelstellingen
Aan het einde van de training is de deelnemer in staat om:
Python gebruiken om tekstuele gegevens te verwerken
De Python-gereedschappen en -bibliotheken kiezen die nodig zijn voor verwerking
De verschillende stadia van voorbewerking en vectorisatie instellen
Gebruik geschikte technieken afhankelijk van de doelstellingen: classificatie / onderwerpmodellering / sentimentanalyse
Modellen toepassen en evalueren op echte gegevens

Voorafgaande vereisten
Programmeervaardigheden in Python.

Opleidingsprogramma

1
Python-omgeving voor NLP

  • De ontwikkelomgeving Python / Anaconda / Jupyter Notebook.
  • De belangrijkste gegevenstypen: strings, booleans, getallen, lijsten, tuples en woordenboeken.
  • Besturingsstructuren: for en while-lussen, if/elif/else-tests.
  • Functies: aanmaken, parameters doorgeven, standaardwaarden, variabele argumenten.
  • Numpy: vectoren, matrices, snijden, aaneenschakelen.
  • Pandas: analyse van gegevens in tabelvorm (CSV, Excel, enz.), statistieken, pivots, joins, filters.
Praktisch werk
Omgaan met Python in een Jupyter-notebook. Praktische oefening met pandas en numpy.

2
Tekstgegevens voorbewerken

  • Identificeren wat tekstuele gegevens zijn en de bibliotheken spaCy en nltk presenteren.
  • Woord tokenisatie.
  • Verwijdering van stopwoorden, interpunctie en elementen die niet essentieel zijn voor de analyse.
  • Lemmatisering vs stemming.
Praktisch werk
Voorbewerking van tekstcorpora met de 2 bibliotheken, vergelijking van resultaten en implementatiemethoden. Aanmaken van stopwoordenlijsten, vergelijking van lemmatisering en rootisering.

3
Informatie-extractie

  • Identificatie van de grammaticale aard van woorden met behulp van Part Of Speech Tagging.
  • Personen, plaatsen enz. identificeren met Named Entity Recognition.
Praktisch werk
Implementeren van Part Of Speech Tagging en Named Entity Recognition. Analyse van resultaten, filters op bepaalde grammaticale categorieën en eigennamen.

4
Vectorrepresentatie van tekstgegevens

  • Zak met woorden.
  • Weging tf-idf.
  • Benadering met n-grammen.
  • Inbeddingen: word2vec, gloVe, fastTesxt ...
Praktisch werk
Transformation d’un corpus de texte en utilisant différentes approches : bag of words, tf-idf, word2vec, gloVe. Comparaison des vecteurs.

5
Machinaal leren op tekstgegevens

  • Een herinnering aan de stappen die nodig zijn om een voorspellend model te bouwen.
  • Classificatie.
  • Sentimentanalyse.
  • Onderwerp modellering.
Praktisch werk
Modélisation en utilisant différents types de vecteurs (bag of words vs embeddings). Analyse de sentiment sur des tweets.

6
Modelevaluatieprocedures

  • Resamplingtechnieken in training, validatie en testspellen.
  • Testen van de representativiteit van trainingsgegevens.
  • Prestatiemetingen voor voorspellende modellen.
  • Verwarringmatrix.
Praktisch werk
Een NLP-model op een toegepaste manier bouwen en evalueren...


Feedback van klanten
5 / 5
De feedback van klanten is afkomstig van eindevaluaties na de opleiding. De score wordt berekend op basis van alle evaluaties die minder dan 12 maanden oud zijn. Alleen die met een tekstcommentaar worden weergegeven.
JOHANN C.
24/11/25
5 / 5

Très intéressant.
SOPHIE T.
24/11/25
5 / 5

Parfait compromis entre la vulgarisation et le technique
JÉRÔME B.
24/11/25
5 / 5

Sujet vaste, mais abordé de façon simple, pratique et pragmatique.Redha le formateur est très accessible, disponible et expérimenté.



DEELNEMERS


VOORAFGAANDE VEREISTEN
Programmeervaardigheden in Python.

VAARDIGHEDEN VAN DE CURSUSLEIDER
De deskundigen die de cursus leiden zijn specialisten op het betreffende vakgebied. Zij werden geselecteerd door onze pedagogische teams zowel om hun vakkennis als hun pedagogische vaardigheden voor elke cursus die zij geven. Zij hebben minstens vijf tot tien jaar ervaring in hun vakgebied en oefenen of oefenden verantwoordelijke bedrijfsfuncties uit.

BEOORDELINGSMODALITEITEN
De cursusleider beoordeelt de pedagogische vooruitgang van de deelnemer gedurende de gehele cursus aan de hand van meerkeuzevragen, praktijksituaties, praktische opdrachten, …
De deelnemer legt ook van tevoren en naderhand een test af ter bevestiging van de verworven kennis.

PEDAGOGISCHE EN TECHNISCHE MIDDELEN
• De gebruikte pedagogische middelen en cursusmethoden zijn voornamelijk: audiovisuele hulpmiddelen, documentatie en cursusmateriaal, praktische oefeningen en correcties van de oefeningen voor praktijkstages, casestudies of reële voorbeelden voor de seminars.
• Na afloop van de stages of seminars verstrekt ORSYS de deelnemers een evaluatievragenlijst over de cursus die vervolgens door onze pedagogische teams wordt geanalyseerd.
• Na afloop van de cursus wordt een presentielijst per halve dag verstrekt, evenals een verklaring van de afronding van de cursus indien de stagiair alle sessies heeft bijgewoond.

TOEGANGSMODALITEITEN EN TERMIJNEN
De inschrijving dient 24 uur voor aanvang van de cursus plaatsgevonden te hebben.

TOEGANKELIJKHEID VOOR MINDERVALIDEN
Is voor u speciale toegankelijkheid vereist? Neem contact op met mevr. FOSSE, contactpersoon voor mindervaliden, via het adres psh-accueil@ORSYS.fr om uw verzoek en de haalbaarheid daarvan zo goed mogelijk te bestuderen.
Data en plaats
Selecteer uw locatie of kies voor de les op afstand en kies vervolgens uw datum.
Klas op afstand

Dernières places
Date garantie en présentiel ou à distance
Session garantie

KLAS OP AFSTAND
2026 : 23 maa., 22 juni, 2 nov.

PARIS LA DÉFENSE
2026 : 23 maa., 22 juni, 2 nov.