Letraitement du langage naturel (TLN) est un sous-domaine de la linguistique, de l'informatique et de l'intelligence artificielle qui utilise des algorithmes pour interpréter et manipuler le langage humain.
Cette technologie est l'un des domaines les plus largement appliqués de l'apprentissage automatique et est essentielle pour analyser efficacement des quantités massives de données textuelles non structurées. À mesure que l'IA se développe, la demande de professionnels compétents dans la construction de modèles qui analysent la parole et le langage, découvrent des modèles contextuels et produisent des informations à partir de textes et d'enregistrements audio augmente.
À la fin de cette Specializations, vous serez prêt à concevoir des applications NLP qui effectuent des réponses aux questions et des analyses de sentiments, à créer des outils pour traduire des langues et résumer des textes, et même à construire des chatbots. Ces applications et d'autres applications NLP seront au premier plan de la transformation à venir vers un avenir alimenté par l'IA.
Cette Specializations est conçue et enseignée par deux experts en NLP, machine learning et deep learning. Younes Bensouda Mourri est un instructeur en IA à l'Université de Stanford qui a également contribué à la construction de la spécialisation en apprentissage profond. Łukasz Kaiser est chercheur chez Google Brain et co-auteur de Tensorflow, des bibliothèques Tensor2Tensor et Trax, et de l'article Transformer.
Projet d'apprentissage appliqué
Cette Specializations vous équipera des bases de l'apprentissage automatique et des techniques d'apprentissage profond de pointe nécessaires pour construire des systèmes NLP de pointe :
- Utilisez la régression logistique, les Bayes naïfs et les vecteurs de mots pour mettre en œuvre l'analyse des sentiments, compléter les analogies, traduire les mots et utiliser le hachage sensible à la localité pour approximer les voisins les plus proches.
- Utilisez la programmation dynamique, les modèles de Markov cachés et l'intégration de mots pour corriger automatiquement les mots mal orthographiés, compléter automatiquement les phrases partielles et identifier les balises de partie de discours pour les mots.
- Utilisez des réseaux neuronaux denses et récurrents, des LSTM, des GRU et des réseaux siamois dans TensorFlow et Trax pour effectuer une analyse avancée des sentiments, une génération de texte, une reconnaissance des entités nommées et pour identifier les questions en double.
- Utilisez l'encodage-décodage, la causalité et l'auto-attention pour effectuer une traduction automatique avancée de phrases complètes, un résumé de texte, une réponse aux questions et pour construire des chatbots. Apprenez T5, BERT, transformateur, réformateur, et plus encore avec 🤗 Transformers !