Traitement du Langage Naturel(MAT410)
| Nom du Cours | Semestre du Cours | Cours Théoriques | Travaux Dirigés (TD) | Travaux Pratiques (TP) | Crédit du Cours | ECTS | |
|---|---|---|---|---|---|---|---|
| MAT410 | Traitement du Langage Naturel | 8 | 3 | 0 | 0 | 3 | 5 |
| Cours Pré-Requis | |
| Conditions d'Admission au Cours |
| Langue du Cours | Anglais |
| Type de Cours | Électif |
| Niveau du Cours | Licence |
| Enseignant(s) du Cours | Muhammed ULUDAĞ muhammed.uludag@gmail.com (Email) |
| Assistant(e)s du Cours | |
| Objectif du Cours |
Le cours vise à fournir une compréhension approfondie du Traitement Automatique du Langage, explorant à la fois les concepts fondamentaux et les techniques avancées. Il est conçu pour équiper les étudiants avec les connaissances théoriques et les compétences pratiques nécessaires pour appliquer le TAL dans des applications réelles, telles que la classification de texte, l'analyse de sentiments, la traduction automatique et les systèmes de réponse aux questions. Data Structures and Algorithms, Linear Algebra, Introduction to Artificial Intelligence-Machine Learning . |
| Contenus |
Le contenu du cours sera structuré autour des domaines clés suivants : Introduction au TAL : Aperçu du TAL et de ses applications. Traitement du Texte : Prétraitement de base du texte, tokenisation, racinisation, lemmatisation. Modèles de Langage : N-grammes, modèles probabilistes, modèles basés sur les réseaux de neurones. Étiquetage des Parties du Discours et Reconnaissance d'Entités Nommées : Techniques et applications. Syntaxe et Analyse Syntaxique : Analyse de la structure des phrases, analyse de dépendance. Sémantique : Plongements de mots, plongements contextuels (BERT, GPT). Traduction Automatique : Approches de la traduction automatique, modèles de séquence à séquence. Questions-Réponses et Chatbots : Construction de systèmes qui comprennent et génèrent des réponses similaires à celles des humains. Considérations Éthiques dans le TAL : Biais, équité et implications des technologies TAL. |
| Acquis d'Apprentissage du Cours |
À la fin du cours, les étudiants seront capables de : Comprendre et expliquer les principes fondamentaux du TAL. Mettre en œuvre des tâches de TAL en utilisant Python et les bibliothèques pertinentes (par exemple, NLTK, spaCy, TensorFlow, PyTorch). Appliquer des modèles de machine learning et de deep learning pour résoudre des problèmes de TAL. Évaluer de manière critique les modèles de TAL, en considérant leur performance, leurs limitations et leurs implications éthiques. Concevoir et développer leurs propres applications de TAL pour des problèmes réels. |
| Méthodes d'Enseignement |
Le cours emploiera un mélange de méthodes d'enseignement pour favoriser une expérience d'apprentissage complète : Cours magistraux : Pour introduire les concepts et les théories, en utilisant les cours en ligne de Chris Manning complétés par des matériaux supplémentaires. Travaux Pratiques : Sessions pratiques où les étudiants appliquent les concepts en utilisant des outils et bibliothèques de TAL. Études de Cas : Analyse des applications et des recherches en TAL dans le monde réel. Projets de Groupe : Encourager la collaboration sur des projets de TAL plus importants. Quiz et Devoirs : Pour renforcer l'apprentissage et évaluer les progrès. |
| Ressources |
Ressource Principale : Les cours en ligne de Chris Manning sur le TAL. Manuels : Lectures recommandées de "Speech and Language Processing" par Jurafsky & Martin et d'autres littératures pertinentes sur le TAL. Logiciels et Outils : Python, Jupyter Notebooks, NLTK, spaCy, TensorFlow et PyTorch. Forums en Ligne : Plateformes comme Stack Overflow et GitHub pour le soutien communautaire et le partage de code. |
Intitulés des Sujets Théoriques
| Semaine | Intitulés des Sujets |
|---|---|
| 1 | Introduction au TAL ; histoire et applications. |
| 2 | Bases du traitement de texte ; travail avec des données textuelles. |
| 3 | Modèles de langue ; introduction aux n-grammes et aux modèles probabilistes. |
| 4 | Modèles de langue avancés ; introduction aux réseaux de neurones dans le TAL. |
| 5 | Étiquetage des parties du discours ; compréhension et mise en œuvre des algorithmes d'étiquetage. |
| 6 | Reconnaissance d'entités nommées ; techniques et outils. |
| 7 | Syntaxe et analyse syntaxique ; analyse de la structure des phrases. |
| 8 | Sémantique ; exploration des plongements de mots et des plongements contextuels. |
| 9 | Traduction automatique ; compréhension et construction de modèles de traduction. |
| 10 | Sujets avancés en traduction automatique ; exploration des modèles à la pointe de la technologie. |
| 11 | Questions-réponses et chatbots ; conception de systèmes pour l'interaction. |
| 12 | Considérations éthiques dans le TAL ; discussion sur les biais, l'équité et l'impact social. |
| 13 | Présentations de projets de groupe ; application de ce qui a été appris. |
| 14 | Clôture du cours ; révision et examens finaux. |
Intitulés des Sujets Pratiques
| Semaine | Intitulés des Sujets |
|---|
Contribution à la Note Finale
| Numéro | Frais de Scolarité | |
|---|---|---|
| Contribution du contrôle continu à la note finale | 1 | 40 |
| Contribution de l'examen final à la note finale | 1 | 60 |
| Toplam | 2 | 100 |
Contrôle Continu
| Numéro | Frais de Scolarité | |
|---|---|---|
| Devoir | 2 | 25 |
| Présentation | 0 | 0 |
| Examen partiel (temps de préparation inclu) | 0 | 0 |
| Projet | 1 | 25 |
| Travail de laboratoire | 0 | 0 |
| Autres travaux pratiques | 0 | 0 |
| Quiz | 0 | 0 |
| Devoir/projet de session | 0 | 0 |
| Portefeuille | 0 | 0 |
| Rapport | 0 | 0 |
| Journal d'apprentissage | 0 | 0 |
| Mémoire/projet de fin d'études | 0 | 0 |
| Séminaire | 0 | 0 |
| Autre | 0 | 0 |
| Toplam | 3 | 50 |
| No | Objectifs Pédagogiques du Programme | Contribiton | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 1 | comprend les principes de la méthode hypothético-déductive; s'est interrogé systématiquement sur la pertinence et la justesse des énoncés mathématique qu'il a rencontré ou produit; | |||||
| 2 | sait énoncer et utiliser judicieusement les concepts et les résultats des mathématiques de base; | X | ||||
| 3 | maîtrise les techniques de calcul et les algorithmes courants; possède une bonne intelligence de calcul pour les mettre en œuvre; est capable d'identifier les outils pertinents, parmi ceux qu'il connaît, pour la résolution d'un problème, et est capable de juger s’il ne possède pas ces outils; | X | ||||
| 4 | est capable d'exprimer de manière organisée, tant à l'écrit qu'à l'oral, ses idées mathématiques; | X | ||||
| 5 | a réalisé les relations essentielles qui lient entre eux ces concepts et résultats; est capable de passer de l'un à l'autre de divers mode de représentation des objets mathématiques (dessins, formules, énoncés précis, heuristiques, collection d'exemples,...); | X | ||||
| 6 | a poursuivi, en autonomie, une stratégie d'apprentissage guidée; s'est engagé dans des stratégies de résolution d'un problème complexe; | X | ||||
| 7 | a les bases théoriques et pratiques suffisantes en informatique pour pouvoir poursuivre l'apprentissage d'un langage de programmation; | X | ||||
| 8 | s'est interrogé sur la pertinence de la modélisation mathématique et l'usage des outils mathématiques dans les sciences naturelles et dans le monde professionnel; a été sensibilisé à l'évolution historique des concepts mathématiques; | X | ||||
| 9 | a eu l'opportunité de choisir librement certains de ses cours (de mathématiques ou d'autres disciplines) et a, à l'occasion, appris à prendre ses responsabilités et à organiser son projet éducatif par lui-même; | X | ||||
| 10 | a une maîtrise de la langue française et d'une autre langue étrangère suffisante pour pouvoir poursuivre des études ou travailler à l'étranger. | X | ||||
| Activités | Nombre | Durée | Charge totale de Travail |
|---|---|---|---|
| Durée du cours | 14 | 3 | 42 |
| Préparation pour le cours | 14 | 1 | 14 |
| Devoir | 4 | 15 | 60 |
| Présentation | 0 | 0 | 0 |
| Examen partiel (temps de préparation inclu) | 1 | 7 | 7 |
| Projet | 0 | 0 | 0 |
| Laboratoire | 0 | 0 | 0 |
| Autres travaux pratiques | 0 | 0 | 0 |
| Examen final (temps de préparation inclu) | 1 | 10 | 10 |
| Quiz | 0 | 0 | 0 |
| Devoir/projet de session | 1 | 4 | 4 |
| Portefeuille | 0 | 0 | 0 |
| Rapport | 0 | 0 | 0 |
| Journal d'apprentissage | 0 | 0 | 0 |
| Mémoire/projet de fin d'études | 0 | 0 | 0 |
| Séminaire | 0 | 0 | 0 |
| Autre | 0 | 0 | 0 |
| Charge totale de Travail | 137 | ||
| Charge totale de Travail / 25 | 5.48 | ||
| Crédits ECTS | 5 | ||