Intelligence artificielle pour le traitement de données textuelles

Enseignants

Fairon Cédrick;

Langue
d'enseignement

Français
> English-friendly

Thèmes abordés

L’accès à ce cours est réservé à des étudiants ayant déjà suivi un cours de programmation en python. 
La manipulation de grands volumes de données textuelles est une situation à laquelle le spécialiste en linguistique est de plus en plus souvent confronté (larges corpus, données d'enquêtes linguistiques etc.). 
Ce cours explore différentes techniques issues de l’intelligence artificielle et du traitement automatique du langage pour tirer parti de grands volumes de données textuelles, par exemple en vue d’extraire des informations d’un texte, d’évaluer la qualité ou la difficulté d’un texte, de le traduire, de le simplifier, de le catégoriser, d’identifier des concepts ou des idées clefs, de repérer l’implicite, etc.

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :
1	Planifier et développer une séquence d'instructions compréhensibles pour un système informatique afin de résoudre un problème donné ou d'effectuer une tâche spécifique (Programmation, DigiComp 3.4)
2	Utiliser les outils et les technologies numériques pour créer des connaissances et innover dans les processus et les produits. S'engager individuellement et collectivement dans un traitement cognitif pour comprendre et résoudre des problèmes conceptuels et des situations problématiques dans des environnements numériques. (DigiComp 5.3)
3	Organiser, stocker et récupérer des données, des informations et des contenus dans des environnements numériques. Les organiser et les traiter dans un environnement structuré. (Gestion des données, des informations et du contenu numérique, DigiComp 1.3).
4	Comprendre le fonctionnement des algorithmes spécialisés en IA et choisir des approches adaptées aux problèmes rencontrés afin de résoudre des tâches liées au traitement automatique du langage.
Ces AA renvoient au référentiel européen « The Digital Competence Framework for Citizens (DigiComp 2.2) ».

Contenu

Les séances sont partagées entre exposés destinés à présenter les outils et méthodologies et des exercices visant l'expérimentation des méthodologies et logiciels par les étudiants.

Méthodes d'enseignement

Cours magistral et exercices réalisés pendant le cours et sous forme de devoirs.

Modes d'évaluation
des acquis des étudiants

• Évaluation continue pendant le quadrimestre, basée sur la participation aux exercices (30% de la note finale) ;
  
• Projet de programmation final décrit dans un rapport et présenté lors d’un examen oral, ainsi que réalisation d’un ou de plusieurs exercices de programmation lors de cet examen oral (70 % de la note finale).
  

Ressources
en ligne

Slide du cours, exercices complémentaires et corrigés sont disponibles sur la plateforme Moodle.

Faculté ou entité
en charge

> FIAL