A propos de cette formation
Chatbot, traitement d’email, automatisation de formulaires, compréhension textuelles autant d’applications pour lesquelles le Natural Language Understanding (NLU) offre aujourd’hui des résultats remarquables grâce à un ensemble de librairies et méthodes spécialisées.
Accompagné par un expert Quantmetry, approndissez vos connaissances du NLU et travaillez à la mise place de solutions sur des cas concrets en exploitant directement ces librairies et méthodes dans des exercices pratiques.
Objectifs pédagogiques
- Comprendre les problématiques techniques du NLU
- Savoir identifier les solutions sur étagère à utiliser
- Développer ses propres modèles de NLU
Qu'allez-vous apprendre ?
A l’issue de cette formation associant mise en pratique poussée et soucis de compréhension approfondie des modèles, vous serez en mesure de :
Connaître et comprendre les principaux algorithmes de NLU
Maîtriser les principales librairies proposées en python
Utiliser des modèles de NLU pré-entrainés pour gagner du temps
Entraîner intelligemment vos propres modèles de NLU
Faire de la détection d'entité et de relations sémantiques
Créer un modèle de Deep Learning pour la traduction de texte
Le programme de la formation
Une formation sur 2 jours (2 x 7 heures) avec un parcours d’apprentissage clair et progressif. Nous veillons à ne pas vous perdre en chemin et faciliter la mémorisation des connaissances dont vous avez besoin pour avancer.
Consulter le programme du JOUR 1
Matin [3h] : Le NLU aujourd’hui
M1 – Premières définitions et mise en contexte
Qu’est-ce que le NLU ? Pourquoi ? Comment ?
1. les agents conversationnels
1.1 La relation client a des besoins de spontanéité et de simplicité
1.2 Chatbot, une réponse concrète
1.3 Exemples d’usages
2. Le NLU, premières définitions
2.1 Le corps technique d’un chatbot
2.2 Exemples de briques d’un traitement de NLU
M2 – Les solutions clés en main
Quels sont outils disponibles sur le marché pour mettre en place une solution simple et opérationnelle ?
1. Panorama du marché et solutions existantes pour la compréhension du langage
1.1 Retour d’expérience et présentation d’un bot messenger
2. Benchmark de ces solutions
Après-Midi [4h] : Mise en pratique et autres solutions
M1 – Travaux pratique : Dialogflow
Constitutiond’un chatbot à l’aide de la solution proposée par Google
1. Prise en main des données
2. Communiquer avec Dialogflow
3. Gestion des intéractions avec le système d’information
M2 – Les solutions open source
Connaître et utiliser les solutions gratuite et adaptatives
1. Panorama rapide du marché aujourd’hui (comment revenir sur du on-premise depuis le Cloud) : RASA, SNIPs…
Exemple avec RASA NLU
Consulter le programme du JOUR 2
Matin [3h] : What’s under the hood
M1 – Détection d’entités nommées
Comprendre la détection d’entité nommées avec un modèle simple : les conditional random et d’autres solutions
1. Modèle de détection d’entités nommées (NER)
1.1 Conditional Random Field
1.2 NLP et NER avec Spacy
1.3 Annotations de données pour l’entraînement
2. Travaux pratique : Utilisation d’un modèle pré-entrainé et entrainement de son propre modèle
3. Évaluation des performances et étude des résultats
M2 – Extraction de relations
Détecter des relations entre les entités dans un texte
1. Théorie : formalisation du problème
2. Travaux pratique : Mise en place d’un modèle
3. Évaluation des performances et étude des résultats
Après-Midi [4h] : Pour aller plus loin : Seq2Seq
M1 – Traduction de texte avec Seq2Seq
Utilisation d’un framework tensorflow “state of the art” pour la traduction de texte
1. Théorie : formalisation du problème
2. Travaux pratique : entraînement d’un modèle sur données réelles
3. Évaluation des performances et étude des résultats
Modalités d’évaluation d’atteinte des objectifs de la formation
• QCM d’évaluation pour valider l’acquisition des connaissances et l’atteinte des objectifs de chaque formation
Modalités et délais d’accès
Les inscriptions ont lieu au travers du processus d’admission suivant :
• Une qualification de besoin recueillie avec le client
• Qualification des profils en ateliers avec le formateur et le client
Le délai d’accès à la formation est de 11 jours ouvré avant le premier jour de la formation.
Accessibilité aux personnes en situation de handicap
Nous contacter en cas de besoin d’accessibilité particulier pour un participant.
Coordonnées du référent handicap : Mathylde Vilain - mvilain@quantmetry.com
Les modalités pédagogiques
Une formation qui se veut avant tout « Hands-on » avec 50% de pratique et nous espérons beaucoup d’échanges constructifs entre vous et avec nous.
50% d'exposé
Juste de qu'il faut de théorie pour comprendre les notions clés et passer directement à la pratique
50% de pratique
Une formation orientée pratique avec de multiples exercices et la revue en profondeur du code
Interactive
Echangez avec le groupe et votre formateur expert sur vos problématiques et trouvez des réponses
Remis pédagogiques : vous repartez avec ...
- Un book de fiches mémoires résumant les points clés de la formation
- L'ensemble des codes présentés lors de la séance
Publics et Prérequis
Toute personne ayant un profil technique souhaitant mieux comprendre l’exploitation de données textuelles avec Python.
Prérequis : Notions en Python, NLP et tensorflow
Cette formation vous plaît ?
Faites la connaitre !
Antoine
Expert IA / Data
Ingénieur de formation (Télécom Paris, Ensae), et titulaire d’un master en Data Science (X). Passionné par les sujets relatif au Traitement Automatique du Langage.
-
#Sports de montagne
#Rugby
#Huile d’olive
