Python – Traitement de données
Cette formation de 21 heures permet d’apprendre à manipuler, nettoyer, analyser et visualiser des données en Python. Grâce…
Langage & Développement informatique
NLP – Traitement du langage naturel avec Python
Cette formation de 21 heures permet de découvrir les techniques de traitement du langage naturel (NLP) avec Python. Elle couvre l’ensemble du flux de traitement : nettoyage de texte, vectorisation,…
Description de la formation
Jour 1 – Bases du NLP avec Python
- Cas d’usage et enjeux du NLP
- Nettoyage de texte : ponctuation, accents, regex, stopwords
- Tokenisation, lemmatisation avec nltk et spaCy
- Analyse d’un petit corpus (textes simples ou CSV)
Jour 2 – NLP classique et vectorisation
- TF, TF-IDF, CountVectorizer / TfidfVectorizer (scikit-learn)
- Analyse de fréquence, mots-clés, nuages de mots
- Classification de textes : SVM, logistique (pipeline sklearn)
- Évaluation du modèle (accuracy, confusion matrix)
Jour 3 – NLP avancé et modèles préentraînés
- Embeddings (word2vec, spaCy)
- Détection de sentiment avec modèles simples
- Introduction aux transformers et Hugging Face
- Projet final : traitement d’un corpus + restitution
Objectifs pédagogiques
- Prétraiter et structurer un corpus de texte avec Python
- Extraire les éléments pertinents pour l’analyse (mots-clés, fréquence…)
- Appliquer des modèles classiques de NLP (vectorisation, classification)
- Expérimenter un modèle préentraîné via la bibliothèque transformers
Programme détaillé
Module 1 Jour 1 – Bases du NLP avec Python
- Cas d’usage et enjeux du NLP
- Nettoyage de texte : ponctuation, accents, regex, stopwords
- Tokenisation, lemmatisation avec nltk et spaCy
- Analyse d’un petit corpus (textes simples ou CSV)
Module 2 Jour 2 – NLP classique et vectorisation
- TF, TF-IDF, CountVectorizer / TfidfVectorizer (scikit-learn)
- Analyse de fréquence, mots-clés, nuages de mots
- Classification de textes : SVM, logistique (pipeline sklearn)
- Évaluation du modèle (accuracy, confusion matrix)
Module 3 Jour 3 – NLP avancé et modèles préentraînés
- Embeddings (word2vec, spaCy)
- Détection de sentiment avec modèles simples
- Introduction aux transformers et Hugging Face
- Projet final : traitement d’un corpus + restitution
Prérequis
- Maîtrise de Python (boucles, fonctions, chaînes, fichiers)
- Connaissances de pandas et de base en machine learning recommandées
Public visé
- Développeurs, analystes, communicants, data scientists débutants ou profils en reconversion IA
Modalités de la formation
- ⏱ Durée : 21h
- 📍 Format : Mixte (présentiel + distanciel)
- 📊 Niveau d'entrée : Avancé
- 👥 Effectif : 4 à 12 stagiaires (groupe restreint)
- 🎯 Pédagogie : Apports théoriques, exercices pratiques, études de cas, projet fil rouge
- ♿ Accessibilité : Formations accessibles aux personnes en situation de handicap. Contactez notre référent handicap.
Allez plus loin
Formations similaires
Dans le même domaine et au niveau Avancé.
Populaire
Créer et gérer des sites web avec WordPress (Tosa)
Cette formation intensive de 21 heures prépare à la certification TOSA WordPress (RS6965). Elle vise à rendre les…
Design Patterns – Mise en œuvre et architecture logicielle
Cette formation de 35 heures permet d’implémenter concrètement les principaux design patterns dans une architecture logicielle cohérente. Les…
👀 Cross-sell
Les apprenants ont aussi consulté
D'autres formations populaires qui pourraient compléter votre parcours.
Populaire
Automatiser des processus dans Microsoft Office avec VBA
Préparez la certification TOSA RS6963 en maîtrisant VBA pour automatiser Excel, Word et Office avec efficacité.
Populaire
Compétences numériques essentielles
Cette formation vous permet de maîtriser les usages numériques fondamentaux en entreprise selon le cadre européen DigComp. Elle…
Populaire
Accompagnement VAE
Votre expérience professionnelle est une richesse inestimable, acquise au fil des années sur le terrain. La Validation des…
