Dans cette catégorie d’article on y retrouve des cas d’usage concrets (Cas d’utilisation ou Uses cases) traités de A à Z. L’idée est vraiment ici d’apporter de la pratique au delà de la théorie qui est aussi abordée mais plus succinctement.
Je vous propose dans cet article de créer un réseau de neurones à convolution pour faire du NLP, et pour les données j’utiliserai un jeu de données que vous pouvez trouver simplement dans les datasets Kaggle : FrenchFakeNewsDetector. Vous l’avez compris l’objectif est double: d’une part voir comment on pourra utiliser la technique de convolution avec des vecteurs (1 dimension au lieu d’images à 2+ dimensions) et d’autre part de faire du NLP avec des données en Français.
Fake news ?
Pour une analyse que je voulais faire et après plusieurs recherches, je me suis rendu compte qu’il n’était pas si simple d’utiliser les données historiques de la météo. Bien sur je suis allé sur l’Open data de météo France, mais rien de vraiment exploitable ou alors semble-t-il sans une souscription payante. J’ai donc décidé de les récupérer par le biais d’un programme Python et de la technique de scraping.
Récupérer les données historique météo
L'objectif de cet article est de montrer au travers d'un cas concret et français la méthode pour effectuer une analyse de sentiments avec Python.
Analyse de sentiments sur des critiques de cinéma
Découvrez dans une courte démo comment Blur Prism Decipher IDP vous permet d'automatiser en toute simplicité la classification puis l'extraction de données à partir de documents non structurés (scannés par exemple).
Un Contrôle KYC avec Blue Prism Decipher IDP