Voici une liste de cours et de spécialisations en PNL pour vous aider à démarrer votre parcours de traitement du langage naturel !
Le traitement automatique du langage naturel (TLN) se situe à l’intersection de l’informatique et de la linguistique computationnelle. De l’analyse des sentiments des avis clients aux décisions marketing en passant par la traduction automatique et les chatbots, la PNL alimente tous les secteurs.
Si vous avez de l’expérience dans la création de modèles d’apprentissage automatique, vous pouvez ajouter le NLP à votre boîte à outils pour résoudre divers problèmes : résumé de texte, réponse aux questions, génération de langage naturel, etc.
Nous examinerons les compétences générales requises pour les rôles NLP, puis nous passerons à la liste organisée de ressources pour démarrer avec le traitement du langage naturel.
Table des matières
Cheminements de carrière en PNL : ingénieur en PNL, développeur en PNL, etc.
Les progrès de la recherche ont alimenté le développement de techniques modernes de PNL. Avec un salaire moyen de plus de 117 000 USD, les rôles d’ingénieur et de développeur NLP ont récemment gagné en popularité.
L’ensemble de compétences est varié, allant de la collecte de données pour les tâches NLP en aval et une connaissance pratique des concepts linguistiques, tels que l’analyse des dépendances et le marquage de la partie du discours (POS), à une connaissance pratique des modèles de transformateur.
Pour entrer dans la PNL, la maîtrise de la programmation et de l’apprentissage automatique est requise. Vous devez également avoir de l’expérience avec des frameworks d’apprentissage en profondeur tels que PyTorch et TensorFlow et des bibliothèques NLP telles que spaCy et HuggingFace.
Cours de traitement du langage naturel (TAL)
Ensuite, passons en revue certains des meilleurs cours disponibles sur les plateformes d’apprentissage populaires. Nous indiquerons également les prérequis dont vous avez besoin pour tirer le meilleur parti de ces cours. 👩🏫
CS224n : PNL avec apprentissage en profondeur
Enseigné par le professeur Chris Manning, CS224n : NLP with Deep Learning, proposé à Stanford, est l’un des meilleurs cours pour apprendre le traitement du langage naturel. Les conférences sont disponibles sur YouTube, et les notes de cours et les cahiers d’exercices – des offres actuelles et précédentes – sont disponibles gratuitement sur le site Web du cours.
📋 Prérequis
- Programmation Python
- Mathématiques : statistiques, probabilités, calcul, algèbre linéaire
- Fondements de l’apprentissage automatique
Il s’agit d’un cours d’un semestre qui couvre un large éventail de sujets en PNL :
- Vecteurs de mots
- Réseaux de neurones récurrents
- Modèles d’attention et de sous-mots
- Transformateurs et applications
💲 Tarif : Gratuit ✅
Spécialisation PNL : Coursera
La spécialisation en traitement du langage naturel de DeepLearning.AI sur Coursera est l’une des ressources d’apprentissage les plus populaires. Cette spécialisation vise à enseigner les techniques traditionnelles de la PNL à travers quatre cours aux avancées les plus récentes, telles que les modèles de transformateur et de reformeur.
📋 Prérequis
- Python intermédiaire
- Apprentissage automatique et connaissance des cadres d’apprentissage en profondeur
- Calcul, Algèbre linéaire, Statistiques
Voici les cours de la spécialisation:
Chaque cours de la spécialisation prend plus de 30 heures et prend quelques mois pour terminer l’ensemble de la spécialisation.
👩🏽💻 Voici quelques-uns des projets que vous construirez au cours de cette spécialisation :
- Modèle de saisie semi-automatique du texte
- Réponse aux questions à l’aide du BERT
- Résumé du texte
- Chatbot utilisant le modèle reformer
PNL dans TensorFlow : Coursera
Si vous connaissez déjà TensorFlow, vous pouvez suivre le NLP dans TensorFlow by DeepLearning.AI sur Coursera pour créer des modèles NLP avec TensorFlow.
📋 Prérequis
- Python et mathématiques
- Connaissance pratique de TensorFlow
Le cours couvre les éléments suivants :
- Utilisation des API TensorFlow pour la tokenisation et le prétraitement du texte
- Incorporations de mots
- Génération de langage naturel
Modèles de séquence : Coursera
Le cours Sequence Models de DeepLearning.AI sur Coursera dans la spécialisation Deep Learning est conçu pour doter les apprenants d’une connaissance pratique de la PNL sur une période de 4 semaines.
📋 Prérequis
- Python
- Apprentissage automatique et algèbre linéaire
Le cours couvre les modèles de séquence pour la PNL en mettant l’accent sur les éléments suivants :
- Réseaux de neurones récurrents au niveau des caractères (RNN) pour la modélisation du langage
- Introduction au mécanisme d’attention, à l’attention de soi et à plusieurs têtes
- Utilisation des transformateurs Hugging Face pour répondre aux questions
PNL : faire un câlin au visage
L’équipe de Hugging Face a publié un cours gratuit sur la PNL, couvrant des concepts de base à avancés, en se concentrant sur le travail avec l’écosystème de Hugging Face.
📋 Prérequis
- Maîtrise de Python
- Connaissance pratique de l’apprentissage en profondeur
- Expérience avec PyTorch et TensorFlow (utile mais pas obligatoire)
Le cours comporte 12 chapitres et est divisé en trois sections couvrant les éléments suivants :
- Utilisation des transformateurs Hugging Face
- Comprendre les bibliothèques Datasets et Tokenizers
- Applications avancées des transformateurs, optimisation des modèles pour la production
Vous avez accès à de courtes conférences vidéo, à des sections textuelles pour les concepts et à des cahiers Colab.
💲 Prix : Gratuit 🤗
PNL sur Google Cloud : Pluralsight
La PNL sur Google Cloud initie les apprenants à la création de solutions de PNL à l’aide de Vertex AI sur la plate-forme Google Cloud.
Prérequis : connaissance pratique de GCP
Ce cours présente aux apprenants les éléments suivants :
- Représentation textuelle
- Utilisation de l’API DialogFlow
- Construire des réseaux de neurones, des réseaux de neurones récurrents (RNN), des réseaux de mémoire à long court terme (LSTM) et des unités récurrentes fermées (GRU)
- Utilisation de Vertex AI
- Mécanisme d’attention et grands modèles de langage
Créer une solution NLP avec Azure
Construire une solution NLP avec Microsoft Azure est un cours basé sur des projets sur Pluralsight. Dans ce cours basé sur des projets, vous apprendrez à créer une solution NLP en traitant des ensembles de données de tweet d’avis de clients.
📋 Prérequis
- Programmation Python
- Familiarité avec le portail Azure
Les principales tâches que vous effectuerez en cours de route sont les suivantes :
- Détection de la langue
- Reconnaissance de l’entité désignée
- Extraction de phrases clés
- Analyse des sentiments
PNL avec PyTorch : Pluralsight
La PNL avec PyTorch sur Pluralsight vous aidera à démarrer avec la PNL. Ce cours ne couvre pas l’architecture de transformateur la plus récente, mais couvre beaucoup de terrain sur le traitement du langage naturel avec PyTorch.
Prérequis : Familiarité avec PyTorch
Ce cours couvre les éléments suivants :
- Réseaux de neurones récurrents (RNN)
- Classification de texte binaire et multi-classes
- Incorporations de vecteurs de mots
- Analyse des sentiments à l’aide de vecteurs de mots
- Modèles séquence à séquence pour la traduction linguistique
Devenir un expert en PNL : Udacity
Devenir un expert en PNL est le nanodiplôme officiel en traitement du langage naturel proposé par l’école d’intelligence artificielle d’Udacity. Ce programme de nano diplôme vous aidera à apprendre les techniques PNL traditionnelles et modernes, telles que l’attention par des projets de construction.
📋 Prérequis
- Programmation Python
- Statistiques
- Apprentissage automatique et apprentissage en profondeur
Les programmes d’Udacity consistent en des conférences vidéo, des exercices de codage et des projets de synthèse. Dans ce cours de traitement du langage naturel, vous allez créer les projets suivants :
- Partie du balisage vocal (balisage POS)
- Le modèle de traduction automatique de bout en bout
- Modèle de reconnaissance vocale
Une introduction Code-First à la PNL
A Code-First Introduction to NLP est un excellent cours de fast.ai si vous souhaitez vous familiariser avec le domaine de la PNL. Ce cours est enseigné par Rachel Thomas et couvre les approches traditionnelles et les réseaux de neurones du traitement du langage naturel.
📋 Prérequis
- Programmation Python
- Concepts d’apprentissage automatique
- Réseaux de neurones avec PyTorch (utile mais pas obligatoire)
Voici un aperçu de ce que couvre le cours :
💲 Prix : Gratuit
PNL avec Machine Learning : Éducatif
Cette PNL avec apprentissage automatique, par Educative, vise à familiariser les apprenants avec les concepts importants de la PNL. De la préparation des entretiens de codage et de la conception du système à l’apprentissage automatique, Educative est l’une des plateformes d’apprentissage en ligne les plus populaires.
Le cours couvre les éléments suivants :
- Incorporations de mots
- Modèles de langage
- Classement du texte
- Modèles Seq2seq
PNL en Python : DataCamp
Le traitement du langage naturel en Python par Datacamp est une piste de compétences structurée de six cours. Ces cours initient les apprenants aux différents aspects du traitement du langage naturel.
📋 Prérequis
- Maîtrise de Python
- Compréhension de l’apprentissage automatique
Ce parcours est composé des cours suivants :
Cours PNL : Lena Voita
Le cours NLP est une extension du cours de traitement du langage naturel que l’auteur, Lena Voita, enseigne à la Yandex School of Data Analysis. Le cours est organisé en sections et contient des leçons interactives et des articles de blog. En outre, il existe des cahiers et des résumés de documents de recherche.
- Classification de texte (approches traditionnelles et réseaux de neurones)
- Incorporations de mots
- Évaluation des modèles de langage
- Modèles Seq2seq et attention
- Apprentissage par transfert pour la PNL
💲 Prix : Gratuit
Conclusion
J’espère que vous avez trouvé cette liste de ressources d’apprentissage utile. En fonction des prérequis et de l’engagement de temps, vous pouvez choisir le cours ou la spécialisation qui correspond le mieux à vos intérêts. Une fois que vous avez acquis des connaissances de base, assurez-vous de créer des projets sur des ensembles de données du monde réel pour compléter et renforcer votre compréhension. Bon codage !👩🏽💻
Ensuite, consultez la liste des cahiers de science des données que vous pouvez utiliser pour votre prochain projet NLP !