Objectifs

Après avoir réussi le cours, l'étudiant sera capable de:

• Sélectionner et appliquer des méthodes d'analyse automatique de textes pour les cas vus en cours,
• Utiliser R pour réaliser ces applications,
• Analyser et interpréter des résultats d'analyses automatiques de textes.

Contenus

Ce cours présente plusieurs méthodes d'analyse auomatique de textes dans un contexte de business. La liste provisoire ci-dessous sera adaptée en fonction du rythme du cours:

• Acquisition de documents (web scraping, encodage, ...) et prétraitements des textes (stemming, lemmatisation, ...),
• Fréquences et prolongements lexicaux (TF-IDF, word2vec, ...)
• Méthodes non-supervisées (similarités, analyse sémantique latente, modélisation thématique, ...),
• Méthodes supervisées pour la classification

Théorie et pratique sont d'égale importance.

Références

Pas de lecture obligatoire. Des références utiles pourront être transmises durant le cours.

Pré-requis

Pas de pré-requis obligatoire mais le cours utilise de manière extensive les méthodes d'apprentissage automatique. Les étudiants sont supposés connaître ces méthodes (au niveau du cours correspondant du master). Sinon, ils sont supposés apprendre ces méthodes par eux-mêmes avant le cours.

Evaluation

1ère tentative

Examen:

Sans examen (cf. modalités)  

Evaluation:

- Un examen écrit individuel: 2hrs, organisé durant le semestre.

- Un project d'application: individuel ou en groupes, selon le nombre de participants au cours. Une présentation finale sera organisée durant le semestre.

Note finale = 0.4 examen + 0.6 projet

Rattrapage

Examen:

Oral 0h15 minutes

Documentation:

Autorisée avec restrictions

Calculatrice:

Autorisée

Evaluation:

Un examen oral (100% de la note finale).