Formation Text Mining : Extrayez la Valeur de Vos Données Textuelles

Programme de la formation
Text Mining : Extrayez la Valeur de Vos Données Textuelles

• Introduction au Text Mining

  - Définition et enjeux du Text Mining
  - Données textuelles : structurées vs non structurées
  - Cas d'usage et applications métiers
  - Présentation des outils et environnements

• Fondamentaux du Traitement du Langage Naturel (TLN)
• Préparation et Nettoyage des Données Textuelles
• Représentation Numérique du Texte

  - Méthodes Bag-of-Words (BoW)
  - Matrice Terme-Document (TDM)
  - Fréquence de Terme - Fréquence Inverse de Document (TF-IDF)
  - Introduction aux Word Embeddings (Word2Vec, GloVe)

• Identification d'Entités Nommées (NER) et Étiquetage

  - Concepts de NER et applications
  - Catégories d'entités : personnes, lieux, organisations
  - Modèles et outils d'extraction d'entités
  - Étiquetage POS (Part-of-Speech tagging)

• Analyse de Sentiment et Opinion Mining

  - Définition et importance de l'analyse de sentiment
  - Approches basées sur lexicon
  - Approches supervisées (apprentissage automatique)
  - Visualisation des sentiments et applications

• Classification de Texte

  - Principe de la classification de texte
  - Algorithmes supervisés pour la classification (Naïve Bayes, SVM)
  - Construction et évaluation de modèles de classification
  - Application : modération de contenu, routage de tickets

• Regroupement de Documents (Clustering)

  - Introduction au clustering non supervisé
  - Algorithmes de clustering : K-means, DBSCAN
  - Mesures de similarité textuelle
  - Interprétation des clusters de documents

• Extraction et Modélisation de Thèmes (Topic Modeling)

  - Latent Dirichlet Allocation (LDA) : principes
  - Application à la découverte de thèmes dans de grands corpus
  - Interprétation et validation des topics
  - Utilisation pratique pour l'analyse de corpus

• Recherche d'Informations et Moteurs de Recherche

  - Principes fondamentaux des moteurs de recherche
  - Indexation et récupération d'informations
  - Mesures de performance (précision, rappel)
  - Cas d'usage et implémentation simple

• Visualisation des Données Textuelles
• Cas Pratiques et Bonnes Pratiques en Text Mining

  - Études de cas réels : Twitter, avis clients, etc.
  - Chaîne de traitement Text Mining complète
  - Éthique et biais dans le TLN
  - Bonnes pratiques et futures tendances