Cet ouvrage sur le traitement automatique du langage naturel (NLP) avec le langage Python est un guide pratique pour les professionnels, étudiants ou passionnés, ayant des bases minimales en Python, désireux d'explorer les horizons de l'intelligence artificielle et de la linguistique. Dès les premières pages, le livre établit des fondations solides en IA et en linguistique, essentielles pour comprendre le NLP.
Vous serez guidé à travers les concepts clés et les outils de NLP, comme l'analyse syntaxique et le POS-tagging, qui sont présentés avec clarté et précision. Le livre couvre ensuite une gamme étendue de domaines d'application en NLP : la traduction automatique et génération de texte, l'extraction de caractéristiques, la classification de documents, la reconnaissance de la parole ou encore l'analyse de sentiments.
L'approche très pratique, utilise systématiquement spaCy ou NLTK, au cours de mini-projets qui mobilisent également Jupyter, Gensim (Word2Vec), Scikit-Learn, Pytorch ou encore les modèles GPTs d'OpenAI. Le Web Scraping, un aspect crucial de la collecte de données en NLP, pour construire des jeux de données, est également abordé. Que vous souhaitiez développer une application de reconnaissance vocale, analyser des sentiments sur les réseaux sociaux ou simplement approfondir vos connaissances en NLP, ce livre constitue une ressource utile, voire indispensable.
Cet ouvrage sur le traitement automatique du langage naturel (NLP) avec le langage Python est un guide pratique pour les professionnels, étudiants ou passionnés, ayant des bases minimales en Python, désireux d'explorer les horizons de l'intelligence artificielle et de la linguistique. Dès les premières pages, le livre établit des fondations solides en IA et en linguistique, essentielles pour comprendre le NLP.
Vous serez guidé à travers les concepts clés et les outils de NLP, comme l'analyse syntaxique et le POS-tagging, qui sont présentés avec clarté et précision. Le livre couvre ensuite une gamme étendue de domaines d'application en NLP : la traduction automatique et génération de texte, l'extraction de caractéristiques, la classification de documents, la reconnaissance de la parole ou encore l'analyse de sentiments.
L'approche très pratique, utilise systématiquement spaCy ou NLTK, au cours de mini-projets qui mobilisent également Jupyter, Gensim (Word2Vec), Scikit-Learn, Pytorch ou encore les modèles GPTs d'OpenAI. Le Web Scraping, un aspect crucial de la collecte de données en NLP, pour construire des jeux de données, est également abordé. Que vous souhaitiez développer une application de reconnaissance vocale, analyser des sentiments sur les réseaux sociaux ou simplement approfondir vos connaissances en NLP, ce livre constitue une ressource utile, voire indispensable.
