Ce projet permet de détecter la langue d'un texte grâce à l'apprentissage automatique. Il utilise des algorithmes avancés pour identifier la langue d'un texte donné, ce qui peut être utile dans de nombreux cas d'utilisation, tels que l'analyse de données textuelles et le traitement automatisé de langues.

Le projet cdtn-nlp a pour objectif d'analyser et de comprendre des données textuelles à grande échelle en utilisant des techniques avancées de traitement automatique des langues (TAL) et de l'apprentissage automatique. Il permet d'extraire des informations utiles et de catégoriser des données textuelles pour faciliter la prise de décision et l'automatisation de processus métiers.

Ce projet est un cours sur les nouvelles sources de données pour la statistique publique. Il couvre les méthodes d'analyse de données textuelles, de visualisation de données et d'apprentissage automatique de données textuelles.

Ce projet consiste en un outil d'analyse de données textuelles, permettant la génération de résumés automatisés, la recherche de similarités sémantiques et la classification de données. Il est basé sur des algorithmes d'apprentissage automatique et des modèles de langage avancés.

Ce projet fournit des outils pour la détection d'événements sur Twitter, en utilisant des algorithmes d'apprentissage automatique et de traitement de données textuelles. Il permet de représenter des phrases en vecteurs grâce à différentes méthodes, telles que Word2Vec, ELMo, BERT, et Universal Sentence Encoder.

Ce projet est une formation sur la préparation et la visualisation de données pour l'apprentissage automatique. Il contient des notebooks sur le prétraitement de données tabulaires, textuelles, d'images et audio, ainsi que des modules de visualisation.

Mangoes est un outil permettant de traiter des données textuelles, de calculer des co-occurrences et de générer des représentations de mots (word embeddings) à l'aide de méthodes d'apprentissage automatique non supervisées. Il propose également des méthodes d'évaluation statistique et intrinsèque ainsi que des outils de visualisation.

Projet de classification de comptes Twitter utilisateurs en fonction de leur intérêt pour les graines, en utilisant des méthodes d'apprentissage automatique sur des données textuelles et topologiques.

Ce projet utilise des algorithmes d'apprentissage automatique pour améliorer la prise en charge médicale. Il permet la prédiction de maladies, l'assistance au diagnostic médical et la recherche de corrélations épidémiologiques.