Ce dépôt contient une formation complète sur le deep learning, couvrant des sujets tels que l'analyse de données, la reconnaissance d'images, le traitement du langage naturel et l'apprentissage automatique. Il utilise des outils tels que TensorFlow, Scikit-Learn, Pandas et NumPy pour fournir une compréhension approfondie de ces concepts.

Ce projet est dédié à l'analyse de données audio, à la reconnaissance vocale et au traitement du langage naturel. Il vise à fournir des outils avancés pour le traitement et l'analyse de données audio, ainsi qu'à améliorer la compréhension et l'interprétation des données vocales.

Le projet base-nlp fournit des fonctions de base pour l'exploration de l'apport du Traitement Naturel du Langage (NLP) aux défis EIG. Il offre des capacités d'analyse sémantique, de détection de langues et d'extraction d'informations clés.

Le projet bso3-analyse-publications a pour objectif d'extraire et d'analyser les métadonnées de publications scientifiques au format PDF. Il utilise des techniques d'apprentissage automatique et de traitement du langage naturel pour détecter et classifier les entités nommées, extraire les métadonnées et comparer les similarités entre les documents.

Ce projet est dédié à l'analyse de données audio, comprenant la reconnaissance vocale, le traitement du langage naturel et l'apprentissage automatique. Il est le résultat du deliverable D2.2 du projet Comprise.

Ce projet vise à analyser la distribution des références spatiales dans les contributions du Grand Débat, à l'aide de modèles de traitement automatique du langage naturel. Il permet d'étudier la place occupée par les mentions de localisation et de spatialisation dans les textes du corpus du Grand Débat.

Polarisation est un outil d'analyse de l'opinion publique et du paysage médiatique sur les réseaux sociaux. Il permet de suivre les tendances et les débats en temps réel, ainsi que de cartographier les réseaux d'influence. Polarisation utilise des algorithmes avancés de traitement du langage naturel et de réseaux sociaux pour fournir une vue d'ensemble de l'opinion publique sur un sujet donné.

Le projet herelles_NER est un outil d'extraction et d'analyse de règles spécifiques à un métier à partir de documents textuels. Il permet de détecter et de signaler les problèmes dans ces documents en utilisant des techniques de traitement automatique du langage naturel.

Le projet 3-data est une plateforme dédiée à la gestion et l'analyse de données linguistiques. Il permet le traitement automatisé de corpus textuels et offre des fonctionnalités d'extraction et de traitement de données pour le traitement automatisé de langage naturel.

Ce projet fournit une image Docker pour exécuter Flair, un framework de traitement du langage naturel (NLP) open-source, avec une intégration facile à SpaCy. Il permet une analyse de sentiments avancée, une détection d'entités nommées et une extraction de faits pour les données non structurées, en particulier dans le contexte des réseaux sociaux.