Explore l'extraction de connaissances à partir du texte, couvrant des concepts clés tels que l'extraction de phrases clés et la reconnaissance d'entités nommées.
Couvre les bases du traitement du langage naturel, y compris la tokenisation, le marquage en partie de la parole et l'intégration, et explore des applications pratiques comme l'analyse du sentiment.
Introduit le cours sur le traitement du langage naturel moderne, couvrant son importance, ses applications, ses défis et les progrès de la technologie.
Présente des modèles de langage classiques, leurs applications et des concepts fondamentaux tels que la modélisation et les mesures d'évaluation basées sur le nombre.
Explore la complexité de la description du contenu des documents et le développement de nouveaux standards ouverts pour résoudre ce problème, couvrant les défis de la modélisation de la structure et du contenu des documents.
Explore l'inférence des connaissances pour les graphiques, en discutant de la propagation des étiquettes, des objectifs d'optimisation et du comportement probabiliste.
Explore les algorithmes et les techniques d'extraction de l'information, y compris l'algorithme Viterbi, la reconnaissance des entités nommées, et la surveillance lointaine.
Explore les capteurs d'observation de la Terre, les indices spectraux, et introduit un exercice sur le calcul des indices de végétation et l'analyse des valeurs NDVI.
