EDS-NLP est un framework collaboratif de traitement automatique des langues (NLP) qui vise principalement à extraire des informations à partir de notes cliniques en français. Il s'agit d'une collection de composants ou de pipes, qui peuvent être des fonctions basées sur des règles ou des modules d'apprentissage profond. Ces composants sont organisés dans un système de pipeline efficace et modulaire, conçu pour les modèles hybrides et multitâches. Nous utilisons spaCy pour représenter les documents et leurs annotations, et PyTorch comme backend d'apprentissage profond pour les composants entraînables.

Ce projet porte sur l'apprentissage de méthodes profondes pour le traitement de données à haute dimension, telles que les signaux ou les images. Il couvre des sujets tels que les réseaux de neurones, les réseaux de neurones convolutifs, les réseaux de neurones récurrents, les méthodes de décomposition fonctionnelle, la détection d'anomalies pour les données fonctionnelles et l'apprentissage profond non supervisé.

Ce projet est un modèle d'apprentissage profond capable de traiter des images et d'en extraire des informations utiles. Il utilise des algorithmes de deep learning pour détecter et classifier des formes, des objets ou des caractères spécifiques dans des images.