ENI - Madjid Khichane - Natural Language Processing (NLP) avec Python 2022 WEB 1080p x264
movies, software, shows...
Files
| 01_contenu | |||
| 0101.mp4 | 21.09 MB | ||
| 0201.mp4 | 16.66 MB | ||
| 0202.mp4 | 11.7 MB | ||
| 0203.mp4 | 14.81 MB | ||
| 0204.mp4 | 13.17 MB | ||
| 0205.mp4 | 16.66 MB | ||
| 0206.mp4 | 26.69 MB | ||
| 0207.mp4 | 11.7 MB | ||
| 0208.mp4 | 4.56 MB | ||
| 0209.mp4 | 26.69 MB | ||
| 0301.mp4 | 23.73 MB | ||
| 0302.mp4 | 42.76 MB | ||
| 0303.mp4 | 16.66 MB | ||
| 0304.mp4 | 48.1 MB | ||
| 0305.mp4 | 23.73 MB | ||
| 0306.mp4 | 33.78 MB | ||
| 0307.mp4 | 38.01 MB | ||
| 0308.mp4 | 33.78 MB | ||
| 0309.mp4 | 18.75 MB | ||
| 0401.mp4 | 18.75 MB | ||
| 0402.mp4 | 54.11 MB | ||
| 0403.mp4 | 38.01 MB | ||
| 0404.mp4 | 10.4 MB | ||
| 0405.mp4 | 33.78 MB | ||
| 0406.mp4 | 14.81 MB | ||
| 0407.mp4 | 18.75 MB | ||
| 0408.mp4 | 9.25 MB | ||
| 0501.mp4 | 42.76 MB | ||
| 0502.mp4 | 30.03 MB | ||
| 0503.mp4 | 26.69 MB | ||
| 0504.mp4 | 23.73 MB | ||
| 0505.mp4 | 54.11 MB | ||
| 0506.mp4 | 23.73 MB | ||
| 0507.mp4 | 38.01 MB | ||
| 0508.mp4 | 33.78 MB | ||
| 0509.mp4 | 42.76 MB | ||
| 0510.mp4 | 11.7 MB | ||
| vignette.jpg?042148 | 441.84 KB | ||
| 02_code_source | |||
| Chapitre_02 | |||
| In_02_01_Les données.ipynb | 1.75 KB | ||
| In_02_02_Expressions_Régulières_final.ipynb | 1.74 KB | ||
| In_02_03_Module_re_final.ipynb | 1.47 KB | ||
| In_02_04_Fonctions_Avancées_re_final.ipynb | 1.8 KB | ||
| In_02_05_Préparer_les_Données_final.ipynb | 1.46 KB | ||
| In_02_06_Supprimer_les_Stopwords_final.ipynb | 2.88 KB | ||
| In_02_07_Stemming_final.ipynb | 2.27 KB | ||
| In_02_08_Lemmatization_final.ipynb | 2.67 KB | ||
| Chapitre_03 | |||
| In_03_02_CountVectorizer_final.ipynb | 2.83 KB | ||
| In_03_03_NGrams_final.ipynb | 2.93 KB | ||
| In_03_05_TF-IDF_final.ipynb | 2.81 KB | ||
| Chapitre_04 | |||
| In_04_01_RandomForest_final.ipynb | 3.51 KB | ||
| In_04_03_Evaluer_un_RandomForest_final.ipynb | 3.91 KB | ||
| In_04_04_RandomForest_avec_KFold_final.ipynb | 2.87 KB | ||
| In_04_05_Hyperparamètre_RandomForest_final.ipynb | 3.62 KB | ||
| In_04_06_RandomForest_GridSearchCV_final.ipynb | 3.13 KB | ||
| In_04_07_R-Forest_Données_Homogènes_final.ipynb | 4.14 KB | ||
| In_04_08_Détection_des_Features_final.ipynb | 3.93 KB | ||
| In_04_09_Sélectionner_un_Modèle_final.ipynb | 4.14 KB | ||
| index.html | 9.05 KB | ||
| index_dossier | |||
| favori_icone.ico | 33.69 KB | ||
| favori_icone.png | 2.52 KB | ||
| fond_page_general.png | 2.11 KB | ||
| jquery-3.7.1.min.js | 85.48 KB | ||
| page_video.css | 1.63 KB | ||
| page_video.js | 1.47 KB | ||
| police_k2d | |||
| K2D-Bold.ttf | 90.7 KB | ||
| K2D-BoldItalic.ttf | 94.8 KB | ||
| K2D-ExtraBold.ttf | 90.74 KB | ||
| K2D-ExtraBoldItalic.ttf | 94.95 KB | ||
| K2D-ExtraLight.ttf | 89.95 KB | ||
| K2D-ExtraLightItalic.ttf | 94.01 KB | ||
| K2D-Italic.ttf | 94.18 KB | ||
| K2D-Light.ttf | 89.99 KB | ||
| K2D-LightItalic.ttf | 93.98 KB | ||
| K2D-Medium.ttf | 90.6 KB | ||
| K2D-MediumItalic.ttf | 94.62 KB | ||
| K2D-Regular.ttf | 90.19 KB | ||
| K2D-SemiBold.ttf | 90.73 KB | ||
| K2D-SemiBoldItalic.ttf | 94.76 KB | ||
| K2D-Thin.ttf | 90.11 KB | ||
| K2D-ThinItalic.ttf | 93.94 KB | ||
| OFL.txt | 4.37 KB | ||
| style_global.css | 5.87 KB | ||
| video-js.min.css | 44.94 KB | ||
| video.min.js | 949.99 KB |
Description
Natural Language Processing (NLP) avec Python
?
DESCRIPTION
Par le passé, avec les usages courants d’internet, nous avons dû adapter notre langage afin de pouvoir communiquer avec les machines. L’exemple le plus parlant est celui où nous utilisons des mots-clés pour lancer des recherches sur le web. Aujourd’hui, grâce aux technologies de Traitement Automatique du Langage naturel ou Natural Language Processing (NLP) en anglais, nous utilisons notre propre langage pour communiquer avec les ordinateurs. C’est l’ordinateur qui tente de s’adapter à nous et non plus l’inverse. L’objectif de cette vidéo est donc de vous apprendre à réaliser des modèles de type NLP en utilisant le langage Python. Nous étudierons ainsi, à l’aide d’exemples concrets, toutes les étapes nécessaires au développement d’un modèle de classification de type NLP. Nous aborderons ensemble la vectorisation de données, la Cross-Validation et le réglage des hyperparamètres, ainsi que l'application de Random Forest pour la construction de modèles de classification basés sur le NLP.
L'AUTEUR
Editeur : ENI
Parution : 2022
Durée : 2h 18m
INFORMATION SUR L'UPLOAD
Qualité : WEB 1080p
Format : MP4
Codec Vidéo : AVC à ~ 1000 kb/s
Codec Audio : AAC LC 2.0 à 128 kb/s
Langue : Français
TELECHARGEMENT
NB Fichiers: 84
Poids Total : 971 Mo
Related Torrents
| torrent name | size | uploader | age | seed | leech |
|---|---|---|---|---|---|
|
ENI - Madjid Khichane - Comprendre les réseaux de neurones artificiels 2023 WEB 1080p x264 Posted by
Abdel_fedala in Other
|
909.91 MB | Abdel_fedala | 2 years | 18 | 0 |
|
ENI - Madjid Khichane - Intelligence artificielle - Découverte, concept et exemples 2022 WEB 1080p x264 Posted by
Abdel_fedala in Other
|
560.17 MB | Abdel_fedala | 2 years | 23 | 0 |
|
ENI - Madjid Khichane - Les réseaux de neurones avec TensorFlow 2022 WEB 1080p x264 Posted by
Abdel_fedala in Other
|
1.01 GB | Abdel_fedala | 2 years | 15 | 0 |
All Comments