Académique Documents
Professionnel Documents
Culture Documents
Objec fs :
Le cours apportera à l'étudiant les bases théoriques nécessaires à la compréhension des
objec fs et des défis actuels du traitement automa que du langage naturel (TALN). En
parallèle, l'étudiant apprendra à analyser et à expliquer les limites pra ques et techniques
que l'on rencontre dans la mise en place de systèmes informa ques des nés au traitement
des langues.
A la fin de ce cours, l’étudiant sera en mesure de :
- maitriser des no ons de base en Traitement Automa que des Langues,
- prendre en main les ou ls et la programma on en python pour le traitement automa que
du langage naturel.
- Prendre en main un Pipeline (Processus ou chaîne de produc on) pour le développement
des applica ons TALN.
- visualiser, évaluer et cri quer les résultats de développent.
Perspec ves :
Au-delà de ce cours et afin d’aller plus loin, l’étudiant pourrait aborder des challenges et des
nouveaux domaines d’actualité en TALN, tels que :
- Low resource languages: it refer to languages with less data for building and developing machine
transla on, conversa onal AI, and other AI-based systems. LRLs, such as Hindi, Bengali, and
Swahili, are spoken widely among many people but need more resources to develop AI solu ons.
- LLM: Large Language Model: LLM is a type of language model notable for its ability to achieve
general-purpose language understanding and genera on;
- QNLP : Quantum Natural Language Processing.
1
Sommaire
2
4. Unigram, Bigram, and Ngrams.
5. Word2Vec
6. Conclusion