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. 

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

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

Vous préférez télécharger ?

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 ...

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 !
Partager sur linkedin
Partager sur facebook
Partager sur twitter
TARIF H.T.
2 147 €
Intra : Sur devis
Prix par stagiaire. Petit-déjeuner et repas du midi inclus.
VOTRE FORMATEUR
Antoine

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

PROCHAINE(S) SESSION(S)

09décToute la journée10Développement NLU avec PythonParis - Saint Augustin

Ces formations de l'Institut pourraient également vous intéresser