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

Formation : Text Mining par la pratique

Formation pratique - 3j - 21h00 - Réf. MMD
Prix : 2410 € H.T.

Text Mining par la pratique




Le text mining permet d’analyser et de valoriser de grands volumes de données textuelles. Cette formation vous apprendra à préparer des corpus, à comparer les méthodes de vectorisation, de recherche et de classification, puis à exploiter les Transformers et les LLM pour extraire des informations.


INTER
INTRA
SUR MESURE

Formation pratique en présentiel ou à distance
Disponible en anglais, à la demande

Réf. MMD
  3j - 21h00
2410 € H.T.

Télécharger le programme

Partager cette formation




Le text mining permet d’analyser et de valoriser de grands volumes de données textuelles. Cette formation vous apprendra à préparer des corpus, à comparer les méthodes de vectorisation, de recherche et de classification, puis à exploiter les Transformers et les LLM pour extraire des informations.


Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
Préparer et normaliser un corpus textuel avec Python
Vectoriser des textes avec TF-IDF et des embeddings lexicaux ou contextuels
Comparer la recherche lexicale et la recherche sémantique sur un corpus documentaire
Comparer des modèles classiques et des Transformers pour classifier des textes
Extraire des informations avec des modèles NLP et des LLM et évaluer les résultats

Public concerné
Data scientists, analystes data, développeurs Python et ingénieurs IA souhaitant exploiter des données textuelles avec le machine learning et les modèles NLP.

Prérequis
Bonnes connaissances en statistiques. Bonnes connaissances du machine learning et du deep learning. Expérience requise.
Vérifiez que vous avez les prérequis nécessaires pour profiter pleinement de cette formation en faisant  ce test.

Modalités d'évaluation
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

Programme de la formation

1
Les approches traditionnelles en text mining

  • Les API pour récupérer des données textuelles.
  • La préparation des données textuelles en fonction de la problématique.
  • La récupération et l'exploration du corpus de textes.
  • La normalisation des textes en conservant les informations utiles, notamment les accents.
  • La tokenisation, la lemmatisation et la gestion des mots vides avec spaCy.
  • La création et la validation d’une chaîne de préparation des données textuelles.
Travaux pratiques
Collecter, nettoyer et structurer un corpus de textes en français avec Python, pandas et spaCy.

2
Feature engineering pour la représentation de texte

  • Comprendre la syntaxe et la structure du texte.
  • Le modèle Bag of Words et Bag of N-Grams.
  • La vectorisation avec CountVectorizer et TfidfVectorizer de scikit-learn.
  • Les représentations lexicales Word2Vec, GloVe et FastText.
  • Les embeddings contextuels avec BERT et CamemBERT.
  • L’exploitation de modèles préentraînés avec Hugging Face Transformers.
Travaux pratiques
Comparer les représentations Bag of Words, TF-IDF et les embeddings contextuels sur un même corpus.

3
La similarité des textes et classification non supervisée

  • Les concepts essentiels de similarité.
  • La similarité des textes : distance de Levenshtein, indice de Jaccard et similarité cosinus.
  • Les embeddings de phrases et de documents avec Sentence Transformers.
  • La recherche lexicale avec BM25 et la recherche sémantique par embeddings.
  • Le regroupement non supervisé de documents à partir de leurs représentations vectorielles.
Travaux pratiques
Construire une recherche documentaire et comparer les résultats de BM25 et de la recherche sémantique.

4
La classification supervisée du texte

  • Prétraitement et normalisation des données.
  • Les approches supervisées de classification des documents textuels.
  • Multinomial Naïve Bayes.
  • Régression logistique. Support Vector Machines.
  • La classification avec un modèle Transformer préentraîné : BERT ou CamemBERT.
  • L’évaluation des modèles : précision, rappel, score F1 et matrice de confusion.
Travaux pratiques
Comparer une régression logistique et un modèle Transformer préentraîné sur un corpus étiqueté.

5
NLP moderne et LLM appliqués au text mining

  • Les bibliothèques NLP : spaCy pour l’analyse linguistique, NLTK pour les traitements classiques et Hugging Face Transformers pour les modèles préentraînés.
  • Les frameworks de deep learning pour le NLP : PyTorch pour l’exécution et Hugging Face pour exploiter les modèles préentraînés.
  • Les architectures Transformer : mécanisme d’attention, modèles encodeurs et modèles génératifs préentraînés.
  • La classification et l’extraction d’entités nommées avec des modèles NLP.
  • La classification et l’extraction structurée avec les LLM : formulation des prompts, sorties JSON et contrôle des résultats.
  • Les principes du RAG et du fine-tuning léger : choix des usages, limites et prérequis techniques.
Travaux pratiques
Comparer l’extraction d’informations avec un modèle NLP préentraîné et un LLM, puis analyser la qualité et les erreurs des résultats.
PARTICIPANTS
Data scientists, analystes data, développeurs Python et ingénieurs IA souhaitant exploiter des données textuelles avec le machine learning et les modèles NLP.

PRÉREQUIS
Bonnes connaissances en statistiques. Bonnes connaissances du machine learning et du deep learning. Expérience requise.

COMPÉTENCES DU FORMATEUR
Les experts qui animent la formation sont des spécialistes des matières abordées. Ils ont été validés par nos équipes pédagogiques tant sur le plan des connaissances métiers que sur celui de la pédagogie, et ce pour chaque cours qu’ils enseignent. Ils ont au minimum cinq à dix années d’expérience dans leur domaine et occupent ou ont occupé des postes à responsabilité en entreprise.

MODALITÉS D’ÉVALUATION
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

MOYENS PÉDAGOGIQUES ET TECHNIQUES
• Les moyens pédagogiques et les méthodes d’enseignement utilisés sont principalement : aides audiovisuelles, documentation et support de cours, exercices pratiques d’application et corrigés des exercices pour les formations pratiques, études de cas ou présentation de cas réels pour les séminaires de formation.
• À l’issue de chaque formation ou séminaire, ORSYS fournit aux participants un questionnaire d’évaluation du cours qui est ensuite analysé par nos équipes pédagogiques.
• Une feuille d’émargement par demi-journée de présence est fournie en fin de formation ainsi qu’une attestation de fin de formation si le participant a bien assisté à la totalité de la session.

MODALITÉS ET DÉLAIS D’ACCÈS
L’inscription doit être finalisée 24 heures avant le début de la formation.

ACCESSIBILITÉ AUX PERSONNES HANDICAPÉES
Pour toute question ou besoin relatif à l’accessibilité, vous pouvez joindre notre équipe PSH par e-mail à l’adresse psh-accueil@orsys.fr.

Ce programme est une création originale, conçu par les équipes pédagogiques d'ORSYS Formation. Toute reproduction, représentation, adaptation ou exploitation, totale ou partielle, sans autorisation préalable écrite d'ORSYS, est strictement interdite. ORSYS se réserve le droit d'engager toute action nécessaire à la protection de ses droits de propriété intellectuelle.


Ce programme est une création originale, conçu par les équipes pédagogiques d'ORSYS Formation. Toute reproduction, représentation, adaptation ou exploitation, totale ou partielle, sans autorisation préalable écrite d'ORSYS, est strictement interdite. ORSYS se réserve le droit d'engager toute action nécessaire à la protection de ses droits de propriété intellectuelle.