Au cours de ce module, vous apprendrez la conception générale du cours, une vue d'ensemble des techniques de traitement du langage naturel et de la représentation des textes, qui sont la base de toutes sortes d'applications d'exploration de textes, et l'exploration d'associations de mots avec un accent particulier sur l'exploration d'une des deux formes de base d'associations de mots (c'est-à-dire, les relations paradigmatiques).

Au cours de ce module, vous en apprendrez davantage sur l'extraction d'associations de mots, en vous concentrant plus particulièrement sur l'extraction de l'autre forme fondamentale d'association de mots (c'est-à-dire les relations syntagmatiques), et vous commencerez à apprendre l'analyse de sujets en vous concentrant sur les techniques d'extraction d'un sujet à partir d'un texte.

Au cours de ce module, vous apprendrez l'analyse thématique en profondeur, y compris les modèles de mélange et leur fonctionnement, l'algorithme de maximisation des attentes (EM) et comment il peut être utilisé pour estimer les paramètres d'un modèle de mélange, le modèle thématique de base, l'analyse sémantique latente probabiliste (PLSA), et comment l'allocation de dirichlet latent (LDA) étend la PLSA.

Au cours de ce module, vous apprendrez le text clustering, y compris les concepts de base, les principales techniques de clustering, y compris les approches probabilistes et les approches basées sur la similarité, et comment évaluer le text clustering. Vous commencerez également à apprendre la catégorisation de textes, qui est liée au regroupement de textes, mais avec des catégories prédéfinies qui peuvent être considérées comme des grappes prédéfinies.

Au cours de ce module, vous continuerez à apprendre les différentes méthodes de catégorisation des textes, y compris les méthodes multiples classées dans les classificateurs discriminants, et vous apprendrez également l'analyse des sentiments et l'exploration d'opinion, y compris une introduction détaillée à une technique particulière de classification des sentiments (c.-à-d. la régression ordinale).

Au cours de ce module, vous poursuivrez votre apprentissage de l'analyse des sentiments et de l'exploration d'opinion en mettant l'accent sur l'analyse des aspects latents (LARA), et vous découvrirez des techniques d'exploration conjointe de données textuelles et non textuelles, y compris des techniques d'exploration de texte contextuel pour analyser des sujets dans le texte en association avec diverses informations contextuelles telles que l'heure, le lieu, les auteurs et les sources de données. Vous trouverez également un résumé de l'ensemble du cours.