Description

• Collecte de données à partir du web : développement de programmes pour télécharger, analyser la structure hiérarchique et extraire le contenu textuel principal de pages HTML.

• Traitement de données avec la bibliothèque pandas : nettoyage et prétraitement des données, analyse univariée, analyse bivariée, visualisation.

Vectorisation de textes : décomposition des textes en unités, normalisation et autres prétraitements, visualisations, pondération tf-idf.

Compétences visées

• Collecter des corpus de textes à partir du web.

• Nettoyer, prétraiter, analyser et visualiser des données tabulées.

• Traiter des données textuelles pour obtenir des représentations vectorielles.

• Développer des programmes informatiques dédiés au Traitement automatique de la langue

• Développer des programmes informatiques pour l’analyse, la structuration des données (analyse statistique, méthodes de représentation graphique)

• Utiliser des outils d’annotation automatique simples (étiqueteurs, analyseurs syntaxiques)

• Collecter et organiser des données linguistiques, les formaliser, les représenter dans un format normalisé

• Exploiter des données linguistiques avec des outils spécialisés (outils de traitement statistique)

Disciplines

• Informatique

Informations complémentaires

• Responsable pédagogique Delphine Bernhard

• Email  dbernhard@unistra.fr  

Contacts

Responsable pédagogique

• Delphine Bernhard