hollow knight mac
spider man homecoming 4k
tom odell wrong crowd
the survivalist 2016
how to be single 2016 2
together multi
twin peaks
F1 2025 usa
the furious
true genius ray charles
MomIsHorny
wild goose chase
the bad guys 2 2160
pokemon diamond and pearl 469
seventh heaven
toy story 5 ita
belfagor 2001
survivor s28
canada-2024
Super Dragon Ball Heroes 07
▲
[Linkedin Learning] Machine learning : Traitement du langage naturel avec Python
seeders: 17
leechers: 0
Download Fast Safe Anonymous
movies, software, shows...
movies, software, shows...
Files
[Linkedin Learning] Machine learning : Traitement du langage naturel avec Python (Size: 1.42 GB)
| 01 - Introduction | |||
| 01 - Bienvenue dans « Machine learning Traitement du langage naturel avec Python ».mp4 | 28.98 MB | ||
| 01 - Bienvenue dans « Machine learning Traitement du langage naturel avec Python ».srt | 1.95 KB | ||
| 02 - Connaître les prérequis théoriques et techniques.mp4 | 13.22 MB | ||
| 02 - Connaître les prérequis théoriques et techniques.srt | 2.98 KB | ||
| 03 - Utiliser les fichiers d'exercice.mp4 | 20.41 MB | ||
| 03 - Utiliser les fichiers d'exercice.srt | 4.78 KB | ||
| 02 - Appréhender le NLP | |||
| 01 - Comprendre le NLP.mp4 | 22.82 MB | ||
| 01 - Comprendre le NLP.srt | 5.07 KB | ||
| 02 - Découvrir les domaines et les exemples d'application du NLP.mp4 | 23.57 MB | ||
| 02 - Découvrir les domaines et les exemples d'application du NLP.srt | 4.98 KB | ||
| 03 - Installer Anaconda.mp4 | 19.07 MB | ||
| 03 - Installer Anaconda.srt | 4.15 KB | ||
| 04 - Aborder l'environnement Jupyter.mp4 | 21.3 MB | ||
| 04 - Aborder l'environnement Jupyter.srt | 6.6 KB | ||
| 05 - Comprendre le pipeline de modélisation NLP.mp4 | 24.18 MB | ||
| 05 - Comprendre le pipeline de modélisation NLP.srt | 5.61 KB | ||
| 03 - Traiter un texte avec Python | |||
| 01 - Stocker un texte brut dans une structure de données Python.mp4 | 32.27 MB | ||
| 01 - Stocker un texte brut dans une structure de données Python.srt | 7.82 KB | ||
| 02 - Utiliser Pandas pour lire les données.mp4 | 23.77 MB | ||
| 02 - Utiliser Pandas pour lire les données.srt | 5.19 KB | ||
| 03 - Comprendre les expressions régulières.mp4 | 28.89 MB | ||
| 03 - Comprendre les expressions régulières.srt | 7.8 KB | ||
| 04 - Utiliser les expressions régulières avec le module Re de Python.mp4 | 21.85 MB | ||
| 04 - Utiliser les expressions régulières avec le module Re de Python.srt | 6.17 KB | ||
| 05 - Étudier les fonctions les plus populaires du module Re.mp4 | 29.48 MB | ||
| 05 - Étudier les fonctions les plus populaires du module Re.srt | 7.55 KB | ||
| 04 - Préparer les données | |||
| 01 - Aborder les étapes de préparation des données.mp4 | 23.28 MB | ||
| 01 - Aborder les étapes de préparation des données.srt | 5.05 KB | ||
| 02 - Réaliser un exemple de nettoyage de données.mp4 | 30.96 MB | ||
| 02 - Réaliser un exemple de nettoyage de données.srt | 7.52 KB | ||
| 03 - Supprimer les stopwords.mp4 | 33.84 MB | ||
| 03 - Supprimer les stopwords.srt | 7.42 KB | ||
| 04 - Réaliser le stemming avec NLTK.mp4 | 29.3 MB | ||
| 04 - Réaliser le stemming avec NLTK.srt | 6.27 KB | ||
| 05 - Pratiquer la lemmatization avec NLTK.mp4 | 29.98 MB | ||
| 05 - Pratiquer la lemmatization avec NLTK.srt | 6.48 KB | ||
| 06 - Comparer le stemming et la lemmatization.mp4 | 16 MB | ||
| 06 - Comparer le stemming et la lemmatization.srt | 3.75 KB | ||
| 05 - Transformer un texte en chiffres | |||
| 01 - Comprendre la vectorisation avec CountVectorizer.mp4 | 23.1 MB | ||
| 01 - Comprendre la vectorisation avec CountVectorizer.srt | 5.47 KB | ||
| 02 - Utiliser CountVectorizer.mp4 | 38.39 MB | ||
| 02 - Utiliser CountVectorizer.srt | 6.53 KB | ||
| 03 - Effectuer une vectorisation contextuelle avec N-Grams.mp4 | 34.36 MB | ||
| 03 - Effectuer une vectorisation contextuelle avec N-Grams.srt | 6.74 KB | ||
| 04 - Étudier TF-IDF.mp4 | 22.04 MB | ||
| 04 - Étudier TF-IDF.srt | 4.68 KB | ||
| 05 - Utiliser TF-IDF.mp4 | 40.8 MB | ||
| 05 - Utiliser TF-IDF.srt | 7.35 KB | ||
| 06 - Appréhender le feature engineering.mp4 | 26.67 MB | ||
| 06 - Appréhender le feature engineering.srt | 5.7 KB | ||
| 07 - Ajouter des features aux données.mp4 | 29.59 MB | ||
| 07 - Ajouter des features aux données.srt | 6.8 KB | ||
| 08 - Analyser les features.mp4 | 28.64 MB | ||
| 08 - Analyser les features.srt | 6.02 KB | ||
| 06 - Comprendre l'expérience machine learning - NLP | |||
| 01 - Apprendre la méthode K-fold.mp4 | 30.6 MB | ||
| 01 - Apprendre la méthode K-fold.srt | 7.3 KB | ||
| 02 - Comprendre la matrice de confusion d'un modèle de classification.mp4 | 27.49 MB | ||
| 02 - Comprendre la matrice de confusion d'un modèle de classification.srt | 6.89 KB | ||
| 03 - Comprendre les mesures de performance d'un modèle NLP.mp4 | 23.21 MB | ||
| 03 - Comprendre les mesures de performance d'un modèle NLP.srt | 4.73 KB | ||
| 04 - Aborder l'overfitting (le surapprentissage).mp4 | 28.73 MB | ||
| 04 - Aborder l'overfitting (le surapprentissage).srt | 6.84 KB | ||
| 07 - Réaliser un modèle de classification avec SVM | |||
| 01 - Modéliser en machine learning.mp4 | 27.23 MB | ||
| 01 - Modéliser en machine learning.srt | 6.23 KB | ||
| 02 - Aborder l'algorithme Support Vector Machine.mp4 | 29.98 MB | ||
| 02 - Aborder l'algorithme Support Vector Machine.srt | 7.31 KB | ||
| 03 - Utiliser le SVM avec scikit-learn et CountVectorizer.mp4 | 37.62 MB | ||
| 03 - Utiliser le SVM avec scikit-learn et CountVectorizer.srt | 7.32 KB | ||
| 04 - Tester le modèle de classification SVM.mp4 | 31.11 MB | ||
| 04 - Tester le modèle de classification SVM.srt | 6.94 KB | ||
| 05 - Mesurer les performances du modèle de classification SVM.mp4 | 33.21 MB | ||
| 05 - Mesurer les performances du modèle de classification SVM.srt | 6.82 KB | ||
| 06 - Utiliser le SVM avec la cross-validation.mp4 | 30.84 MB | ||
| 06 - Utiliser le SVM avec la cross-validation.srt | 6.6 KB | ||
| 07 - Utiliser le SVM avec TF-IDF.mp4 | 28.16 MB | ||
| 07 - Utiliser le SVM avec TF-IDF.srt | 5.89 KB | ||
| 08 - Réaliser un modèle de classification avec le Random forest | |||
| 01 - Aborder l'algorithme Random forest.mp4 | 22.11 MB | ||
| 01 - Aborder l'algorithme Random forest.srt | 5.17 KB | ||
| 02 - Utiliser Random forest pour construire un modèle de classification.mp4 | 29.38 MB | ||
| 02 - Utiliser Random forest pour construire un modèle de classification.srt | 6.13 KB | ||
| 03 - Mesurer les performances d'un modèle de classification Random forest.mp4 | 25.83 MB | ||
| 03 - Mesurer les performances d'un modèle de classification Random forest.srt | 5.63 KB | ||
| 04 - Utiliser Random forest avec K-fold.mp4 | 28.96 MB | ||
| 04 - Utiliser Random forest avec K-fold.srt | 6.26 KB | ||
| 09 - Perfectionner un modèle avec l'hyperparamètre | |||
| 01 - Programmer un hyperparamètre avec le modèle SVM.mp4 | 34.32 MB | ||
| 01 - Programmer un hyperparamètre avec le modèle SVM.srt | 7.42 KB | ||
| 02 - Programmer un hyperparamètre avec Random forest.mp4 | 31.98 MB | ||
| 02 - Programmer un hyperparamètre avec Random forest.srt | 6.27 KB | ||
| 03 - Évaluer les résultats d'un hyperparamètre.mp4 | 35.81 MB | ||
| 03 - Évaluer les résultats d'un hyperparamètre.srt | 6.56 KB | ||
| 04 - Tester GridSearchCV avec un SVM.mp4 | 31.35 MB | ||
| 04 - Tester GridSearchCV avec un SVM.srt | 7.17 KB | ||
| 05 - Tester GridSearchCV avec Random forest.mp4 | 31.16 MB | ||
| 05 - Tester GridSearchCV avec Random forest.srt | 6.49 KB | ||
| 10 - Aller plus loin | |||
| 01 - Détecter les features les plus importantes avec le Random forest.mp4 | 21.78 MB | ||
| 01 - Détecter les features les plus importantes avec le Random forest.srt | 4.95 KB | ||
| 02 - Homogénéiser les données avec TF-IDF.mp4 | 35.36 MB | ||
| 02 - Homogénéiser les données avec TF-IDF.srt | 7.08 KB | ||
| 03 - Tester Random forest sur des données homogènes.mp4 | 25.28 MB | ||
| 03 - Tester Random forest sur des données homogènes.srt | 4.69 KB | ||
| 04 - Sélectionner un modèle.mp4 | 36.79 MB | ||
| 04 - Sélectionner un modèle.srt | 7.72 KB | ||
| 11 - Conclusion | |||
| 01 - Conclure sur le traitement du NLP avec Python.mp4 | 12.43 MB | ||
| 01 - Conclure sur le traitement du NLP avec Python.srt | 2.65 KB | ||
| fichiers_d_exercice_machine_learning_nlp | |||
| Chapitre_02 | |||
| 02_01 | |||
| .ipynb_checkpoints | |||
| Les donn‚es-checkpoint.ipynb | 4.14 KB | ||
| Lire_un_Texte_final-checkpoint.ipynb | 3 KB | ||
| Les donn‚es.ipynb | 3.92 KB | ||
| Lire_un_Texte_final.ipynb | 8.04 KB | ||
| 02_02 | |||
| .ipynb_checkpoints | |||
| Pandas_et_les_Donn‚es_final-checkpoint.ipynb | 4.14 KB | ||
| Pandas_et_les_Donn‚es_final.ipynb | 4.14 KB | ||
| 02_03 | |||
| .ipynb_checkpoints | |||
| Expressions_R‚guliŠres_final-checkpoint.ipynb | 2.98 KB | ||
| Expressions_R‚guliŠres_final.ipynb | 3.23 KB | ||
| 02_04 | |||
| .ipynb_checkpoints | |||
| Module_re_final-checkpoint.ipynb | 2.98 KB | ||
| Module_re_final.ipynb | 2.33 KB | ||
| 02_05 | |||
| .ipynb | 2.32 KB | ||
| .ipynb_checkpoints | |||
| .ipynb-checkpoint | 2.32 KB | ||
| Fonctions_Avanc‚es_re_final-checkpoint.ipynb | 2.26 KB | ||
| Fonctions_Avanc‚es_re_final.ipynb | 2.96 KB | ||
| Chapitre_03 | |||
| 03_02 | |||
| .ipynb_checkpoints | |||
| Pr‚parer_les_Donn‚es_final-checkpoint.ipynb | 8.9 KB | ||
| Pr‚parer_les_Donn‚es_final.ipynb | 8.27 KB | ||
| 03_03 | |||
| .ipynb_checkpoints | |||
| Supprimer_les_Stopwords_final-checkpoint.ipynb | 13.8 KB | ||
| Supprimer_les_Stopwords_final.ipynb | 28.48 KB | ||
| 03_04 | |||
| .ipynb | 28.38 KB | ||
| .ipynb_checkpoints | |||
| .ipynb-checkpoint | 28.38 KB | ||
| Stemming_final-checkpoint.ipynb | 2.26 KB | ||
| Stemming_final.ipynb | 14.12 KB | ||
| 03_05 | |||
| .ipynb_checkpoints | |||
| Lemmatization_final-checkpoint.ipynb | 7.88 KB | ||
| Lemmatization_final.ipynb | 18.6 KB | ||
| Chapitre_04 | |||
| 04_02 | |||
| .ipynb_checkpoints | |||
| CountVectorizer_final-checkpoint.ipynb | 93.76 KB | ||
| CountVectorizer_final.ipynb | 93.76 KB | ||
| 04_03 | |||
| .ipynb_checkpoints | |||
| NGrams_final-checkpoint.ipynb | 488.67 KB | ||
| NGrams_final.ipynb | 488.67 KB | ||
| 04_05 | |||
| .ipynb_checkpoints | |||
| TF-IDF_final-checkpoint.ipynb | 94.8 KB | ||
| TF-IDF_final.ipynb | 94.81 KB | ||
| 04_07 | |||
| .ipynb_checkpoints | |||
| FeatureEngineering_final-checkpoint.ipynb | 11.17 KB | ||
| FeatureEngineering_final.ipynb | 11.17 KB | ||
| 04_08 | |||
| .ipynb_checkpoints | |||
| Analyse_des_Features_final-checkpoint.ipynb | 2.93 KB | ||
| Analyse_des_Features_final.ipynb | 29.01 KB | ||
| Chapitre_06 | |||
| 06_03 | |||
| .ipynb_checkpoints | |||
| SVM_CountVectorizer_final-checkpoint.ipynb | 14.45 KB | ||
| SVM_CountVectorizer_final.ipynb | 14.45 KB | ||
| 06_04 | |||
| .ipynb_checkpoints | |||
| Tester_un_SVM_final-checkpoint.ipynb | 15.27 KB | ||
| Tester_un_SVM_final.ipynb | 16.19 KB | ||
| 06_05 | |||
| .ipynb_checkpoints | |||
| Evaluer_un_SVM_final-checkpoint.ipynb | 15.35 KB | ||
| Evaluer_un_SVM_final.ipynb | 16.02 KB | ||
| 06_06 | |||
| .ipynb_checkpoints | |||
| SVM_et_CrossValidation_final-checkpoint.ipynb | 16.75 KB | ||
| SVM_et_CrossValidation_final.ipynb | 13.93 KB | ||
| 06_07 | |||
| .ipynb_checkpoints | |||
| SVM_TF-IDF_final-checkpoint.ipynb | 16.26 KB | ||
| SVM_TF-IDF_final.ipynb | 16.27 KB | ||
| Chapitre_07 | |||
| 07_02 | |||
| .ipynb_checkpoints | |||
| RandomForest_final-checkpoint.ipynb | 26.93 KB | ||
| RandomForest_final.ipynb | 3.82 KB | ||
| 07_03 | |||
| .ipynb_checkpoints | |||
| Evaluer_un_RandomForest_final-checkpoint.ipynb | 3.82 KB | ||
| Evaluer_un_RandomForest_final.ipynb | 4.37 KB | ||
| 07_04 | |||
| .ipynb_checkpoints | |||
| RandomForest_avec_KFold_final-checkpoint.ipynb | 13.93 KB | ||
| RandomForest_avec_KFold_final.ipynb | 13.96 KB | ||
| Chapitre_08 | |||
| 08_01 | |||
| .ipynb_checkpoints | |||
| Hyperparam閣re_SVM_final-checkpoint.ipynb | 3.61 KB | ||
| Hyperparam閣re_SVM_final.ipynb | 15.63 KB | ||
| 08_02 | |||
| .ipynb_checkpoints | |||
| Hyperparam閣re_RandomForest_final-checkpoint.ipynb | 10.48 KB | ||
| Hyperparam閣re_RandomForest_final.ipynb | 4.59 KB | ||
| 08_04 | |||
| .ipynb_checkpoints | |||
| SVM_GridSearchCV_final-checkpoint.ipynb | 16.61 KB | ||
| SVM_GridSearchCV_final.ipynb | 8.36 KB | ||
| 08_05 | |||
| .ipynb_checkpoints | |||
| RandomForest_GridSearchCV_final-checkpoint.ipynb | 2.89 KB | ||
| RandomForest_GridSearchCV_final.ipynb | 16.61 KB | ||
| Chapitre_09 | |||
| 09_01 | |||
| .ipynb_checkpoints | |||
| D‚tection_des_Features_final-checkpoint.ipynb | 4.37 KB | ||
| D‚tection_des_Features_final.ipynb | 15.92 KB | ||
| 09_02 | |||
| .ipynb_checkpoints | |||
| Homog‚n‚iser_les_Donn‚es_final-checkpoint.ipynb | 8.93 KB | ||
| Homog‚n‚iser_les_Donn‚es_final.ipynb | 14.52 KB | ||
| 09_03 | |||
| .ipynb_checkpoints | |||
| R-Forest_Donn‚es_HomogŠnes_final-checkpoint.ipynb | 4.13 KB | ||
| R-Forest_Donn‚es_HomogŠnes_final.ipynb | 4.26 KB | ||
| 09_04 | |||
| .ipynb_checkpoints | |||
| S‚lectionner_un_ModŠle_final-checkpoint.ipynb | 4.59 KB | ||
| S‚lectionner_un_ModŠle_final.ipynb | 5.82 KB | ||
| Data | |||
| SMSSpamCollection.txt | 466.71 KB |
Description
[Linkedin Learning] Machine learning Traitement du langage naturel avec Python
Intermédiaire
Avec Madjid Khichane, découvrez le traitement du langage naturel avec Python, le langage de programmation multiplateforme. Après avoir abordé les principes du NLP (Natural Language Processing), vous apprendrez à traiter un texte avec différents modules, vous procéderez à la préparation des données, ainsi qu'à la lemmatization et au stemming. Vous verrez comment transformer un texte en chiffres et vous aborderez la méthode K-fold. Vous réaliserez des modèles de classification SVM et Random forest, puis vous perfectionnerez les modèles à l'aide d'hyperparamètres. Pour finir, vous apprendrez à homogénéiser et à tester les données.
éditeur : Linkedin Learning
langue : français
Publié le 25/11/2020
Durée : 3 h 41 min
Formateur : Madjid Khichane
format : mp4
Langue : français
fichiers source : Oui
Un commentaire fait toujours plaisir donc n'hésitez pas ^^
Related Torrents
| torrent name | size | uploader | age | seed | leech |
|---|---|---|---|---|---|
| 801.8 MB | notimmune | 8 months | 11 | 1 | |
| 386.28 MB | Prom3th3uS | 1 year | 3 | 0 | |
| 356.71 MB | Prom3th3uS | 1 year | 6 | 2 | |
| 375.8 MB | freecoursewb | 1 year | 3 | 3 | |
| 575.06 MB | Prom3th3uS | 1 year | 0 | 0 |
All Comments